人工知能が銀河団を「計量」するための秘密の方程式を発見

高等研究所、フラットアイアン研究所、およびその同僚の天体物理学者は、人工知能を活用して、銀河の巨大なクラスターの質量を推定するより良い方法を発見しました。 AI は、単純な項を既存の方程式に追加するだけで、科学者が以前よりもはるかに優れた質量推定値を生成できることを発見しました。

改善された推定値により、科学者は宇宙の基本的な特性をより正確に計算できるようになると、天体物理学者は 米国科学アカデミーの議事録.

「それはとても単純なことです。それがこの素晴らしいところです」と、ニューヨーク市にあるフラットアイアン研究所の計算天体物理学センター (CCA) の研究科学者で、研究の共著者であるフランシスコ ビジャエスクサ ナバロは言います。 「非常に単純ですが、これまで誰もこの用語を見つけていませんでした。人々はこれに何十年も取り組んできましたが、それでも見つけることができませんでした。」

この作業は、CCA、プリンストン大学、コーネル大学、天体物理学センターの研究者とともに、ニュージャージー州プリンストンの高等研究所のディグビジェイ・ワデカが主導しました。 ハーバード＆スミソニアン。

宇宙を理解するには、どこにどれだけのものがあるかを知る必要があります。 銀河団は、宇宙で最も巨大な天体です。単一の銀河団には、プラズマ、高温ガス、暗黒物質とともに、数百から数千の銀河が含まれる可能性があります。 クラスターの重力は、これらのコンポーネントを一緒に保持します。 このような銀河団を理解することは、宇宙の起源と継続的な進化を突き止めるために重要です。

おそらく、銀河団の特性を決定する最も重要な量は、その総質量です。 しかし、この量を測定することは困難です。銀河を天秤にのせて「重さを量る」ことはできません。 星団の質量の大部分を占める暗黒物質は目に見えないため、問題はさらに複雑になります。 代わりに、科学者は他の観測可能な量からクラスターの質量を推測します。

1970 年代初頭、高等研究所自然科学部の現在著名な客員教授である Rashid Sunyaev と、彼の共同研究者である Yakov B. Zel’dovich は、銀河団の質量を推定する新しい方法を開発しました。 彼らの方法は、重力が物質を押しつぶすと、物質の電子が押し戻されるという事実に依存しています。

その電子圧は、電子が光子と呼ばれる光の粒子とどのように相互作用するかを変化させます。 ビッグバンの残光から残った光子が押しつぶされた物質に当たると、相互作用によって新しい光子が作成されます。 これらの光子の特性は、重力が物質をどれだけ強く圧縮しているかに依存し、それは銀河団の重さに依存します。 光子を測定することで、天体物理学者はクラスターの質量を推定できます。

しかし、この「積分電子圧」は、銀河団によって光子の性質の変化が異なるため、質量を完全に表すものではありません。 Wadekar と彼の同僚は、「シンボリック回帰」と呼ばれる人工知能ツールがより良いアプローチを見つけるかもしれないと考えました。 このツールは基本的に、さまざまな変数を使用して加算や減算などの数学演算子のさまざまな組み合わせを試行し、どの方程式がデータに最もよく一致するかを確認します。

Wadekar と彼の協力者は、多くの銀河団を含む最先端の宇宙シミュレーションを AI プログラムに「供給」しました。 次に、CCA のリサーチ フェローである Miles Cranmer によって作成された彼らのプログラムは、質量推定をより正確にする可能性のある追加の変数を検索して特定しました。

AI は、人間のアナリストが見落とす可能性のある新しいパラメーターの組み合わせを特定するのに役立ちます。 たとえば、人間のアナリストがデータセット内の 2 つの重要なパラメーターを特定するのは簡単ですが、AI は大量のデータをより適切に解析し、多くの場合、予期しない影響要因を明らかにします。

「現在、機械学習コミュニティの多くはディープ ニューラル ネットワークに注目しています」と Wadekar 氏は説明します。

「これらは非常に強力ですが、欠点はほとんどブラック ボックスのようなものです。その中で何が起こっているのか理解できません。物理学では、何かが良い結果を出している場合、その理由を知りたいのです。記号回帰特定のデータセットを検索し、理解できる単純な方程式の形で単純な数式を生成するため、有益です。簡単に解釈できるモデルを提供します。」

研究者の記号回帰プログラムは、既存の方程式に単一の新しい項を追加することで、銀河団の質量をより正確に予測できる新しい方程式を彼らに渡しました。 その後、Wadekar と彼の共同研究者は、この AI が生成した方程式から逆方向に働き、物理的な説明を見つけました。

彼らは、超大質量ブラックホールが潜む銀河のコアなど、質量推定の信頼性が低い銀河団の領域とガス濃度が相関していることに気付きました。 彼らの新しい方程式は、計算における複雑なコアの重要性を軽視することで、質量の推定を改善しました。 ある意味で、銀河団は球形のドーナツのようなものです。

新しい方程式は、より大きな誤差をもたらす可能性のあるドーナツの中心にあるゼリーを抽出し、代わりに生地の外側に集中して、より信頼性の高い質量推定を行います。

研究者は、CCA の CAMELS スイートからシミュレートされた何千もの宇宙で、AI が発見した方程式をテストしました。 彼らは、この式が、現在使用されている式と比較して、大規模な銀河団の場合、銀河団の質量推定値の変動性を約 20 ～ 30% 減少させることを発見しました。

新しい方程式は、今後の銀河団調査に携わる観測天文学者に、彼らが観測する天体の質量に関するより良い洞察を提供することができます。 「銀河団を対象とした調査はかなりある [that] 近い将来に計画されている」とWadekar氏は指摘した。 新しい方程式は、これらの調査からの科学的利益を最大化するのに役立ちます。」

Wadekar はまた、天体物理学における記号回帰の使用に関して、この出版物が氷山の一角に過ぎないことを望んでいます。 「記号回帰は、多くの天体物理学の質問に答えるのに非常に適していると考えています」と彼は言いました.

「天文学の多くの場合、人々は 2 つのパラメーター間を直線的に適合させ、それ以外はすべて無視します。しかし、最近では、これらのツールを使用して、さらに先に進むことができます。記号回帰やその他の人工知能ツールは、既存の 2 つのパラメーターを超えるのに役立ちます。系外惑星のような小さな天体物理系の調査から、宇宙最大のものである銀河団に至るまで、さまざまな方法でべき法則を調べています。」