Het onderzoek is ingediend bij de Monthly Notices of the Royal Astronomical Society en beschikbaar op de arXiv preprint-server, werd uitgevoerd door de Dark Energy Survey-samenwerking. De onderzoekers hebben de nauwkeurigheid verdubbeld waarmee belangrijke kenmerken van het universum, waaronder de algehele dichtheid van donkere energie, uit de kaart konden worden afgeleid.

Dankzij deze grotere nauwkeurigheid kunnen onderzoekers modellen van het heelal uitsluiten die voorheen mogelijk waren.

Donkere energie is de mysterieuze kracht die de uitdijing van het universum versnelt en er wordt aangenomen dat deze ongeveer 70% van de inhoud van het universum uitmaakt (waarbij donkere materie, onzichtbare materie waarvan de zwaartekracht sterrenstelsels trekt, 25% uitmaakt, en normale materie slechts 5%. ).

Hoofdauteur Dr. Niall Jeffrey (UCL Physics &Astronomy) zei:"Door AI te gebruiken om te leren van door computers gesimuleerde universums, hebben we de nauwkeurigheid van onze schattingen van de belangrijkste eigenschappen van het universum met een factor twee verhoogd.

"Om deze verbetering zonder deze nieuwe technieken te bereiken, zouden we vier keer zoveel gegevens nodig hebben. Dit zou gelijk staan ​​aan het in kaart brengen van nog eens 300 miljoen sterrenstelsels."

Co-auteur Dr. Lorne Whiteway (UCL Physics &Astronomy) zei:“Onze bevindingen komen overeen met de huidige beste voorspelling van donkere energie als een ‘kosmologische constante’ waarvan de waarde niet varieert in ruimte of tijd. Ze laten echter ook toe flexibiliteit om een ​​andere verklaring juist te laten zijn. Het kan bijvoorbeeld nog steeds zo zijn dat onze zwaartekrachttheorie fout is."

In lijn met eerdere analyses van de Dark Energy Survey-kaart, voor het eerst gepubliceerd in 2021, suggereren de bevindingen dat materie in het universum soepeler is verspreid – minder klonterig – dan Einsteins algemene relativiteitstheorie zou voorspellen. De discrepantie was voor dit onderzoek echter minder significant vergeleken met de eerdere analyse, omdat de foutbalken groter waren.

De Dark Energy Survey-kaart is verkregen via een methode die zwakke zwaartekrachtlensing wordt genoemd, dat wil zeggen:kijken hoe licht van verre sterrenstelsels wordt afgebogen door de zwaartekracht van tussenliggende materie op weg naar de aarde.

De samenwerking analyseerde vervormingen in de vorm van 100 miljoen sterrenstelsels om de verdeling van alle materie, zowel donker als zichtbaar, op de voorgrond van die sterrenstelsels af te leiden. De resulterende kaart besloeg een kwart van de hemel op het zuidelijk halfrond.

Voor de nieuwe studie gebruikten onderzoekers door de Britse overheid gefinancierde supercomputers om simulaties van verschillende universums uit te voeren op basis van de gegevens van de Dark Energy Survey-materiekaart. Elke simulatie had een ander wiskundig model van het universum dat eraan ten grondslag lag.

De onderzoekers creëerden materiekaarten van elk van deze simulaties. Er werd een machine learning-model gebruikt om de informatie uit die kaarten te extraheren die relevant was voor kosmologische modellen. Een tweede machine learning-tool, die leerde van de vele voorbeelden van gesimuleerde universums met verschillende kosmologische modellen, keek naar de werkelijk waargenomen gegevens en gaf de kans aan dat elk kosmologisch model het ware model van ons universum zou zijn.

Met deze nieuwe techniek konden onderzoekers veel meer informatie uit de kaarten gebruiken dan mogelijk zou zijn met de vorige methode. De simulaties werden uitgevoerd op de DiRAC High Performance Computing (HPC)-faciliteit.

De volgende fase van projecten in het donkere universum – waaronder de missie Euclid van het European Space Agency, die afgelopen zomer werd gelanceerd – zal de hoeveelheid gegevens die we hebben over de grootschalige structuren van het universum enorm vergroten, waardoor onderzoekers kunnen bepalen of de onverwachte gladheid van de universum is een teken dat de huidige kosmologische modellen ongelijk hebben of dat er een andere verklaring voor is.

Momenteel staat deze gladheid op gespannen voet met wat zou worden voorspeld op basis van analyse van de kosmische microgolfachtergrond (CMB) – het licht dat overblijft na de oerknal.

De Dark Energy Survey-samenwerking, waarvan UCL een van de oprichters is, wordt georganiseerd door het Fermi National Accelerator Laboratory (Fermilab) van het Amerikaanse ministerie van Energie en er zijn meer dan 400 wetenschappers uit 25 instellingen in zeven landen bij betrokken.

De samenwerking heeft honderden miljoenen sterrenstelsels gecatalogiseerd, met behulp van foto's van de nachtelijke hemel gemaakt door de 570-megapixel Dark Energy Camera, een van 's werelds krachtigste digitale camera's, gedurende zes jaar (van 2013 tot 2019). De camera, waarvan de optische corrector is gebouwd aan de UCL, is gemonteerd op een telescoop van het Cerro Tololo Inter-American Observatory van de National Science Foundation in Chili.

Meer informatie: N. Jeffrey et al, Dark Energy Survey Jaar 3 resultaten:waarschijnlijkheidsvrije, op simulatie gebaseerde wCDM-inferentie met neurale compressie van kaartstatistieken met zwakke lens, arXiv (2024). DOI:10.48550/arxiv.2403.02314

Aangeboden door University College London