به گزارش گروه علمی ایرنا از «سای تِک دیلی»، در دهه‌های گذشته اخترفیزیکدان‌ها حجم زیادی از داده‌های مرتبط با توزیع فضایی کهکشان‌ها جمع‌آوری کرده‌اند. در این حال پژوهشگران یک موسسه تحقیقاتی با به کار گرفتن هوش مصنوعی از این داده‌ها استفاده کرده‌اند تا شرایط لازم اولیه برای توسعه کیهان را به شکل شهودی درک کنند.
مدل استاندارد کیهانی بر ۶ عدد متکی است. در این حال، محققان در موسسه تحقیات علمی پیشرفته «فلاتیرون» وابسته به «بنیاد سیمونز» (آمریکا) و همکاران آنان، با استفاده از یک شیوه جدید نیرو گرفته از هوش مصنوعی، اطلاعات پنهان در توزیع کهکشان‌ها را استخراج کرده و به این ترتیب مقدار عددی ۵ مورد از پارامترهای کیهانی را با دقتی بی‌سابقه برآورد کرده‌اند.
این رویکرد جدید در مقایسه با تکنیک‌های رایج قبلی با استفاده از داده‌های کیهانی یکسان، پارامترهای توصیف‌کننده انبوهی (clumpiness) ماده کیهانی را با دقتی دو برابر برآورد کرده است. افزون بر این، شیوه مبتنی بر هوش مصنوعی تا حد زیادی با برآوردهای مربوط به پارامترهای کیهانی بر اساس مشاهدات سایر پدیده‌ها از قبیل قدیمی‌ترین نور کیهان نیز مطابقت نشان می‌دهد.
این شیوه جدید موسوم به «استنباط کیهان بر مبنای شبیه‌سازی» (SimBIG) در یک رشته از مقالات اخیر شامل یک مطالعه جدید انتشار یافته در نشریه «نجوم طبیعت» شرح داده شده است.
(این نمایه، توزیع کهکشانی را در یک کیهان شبیه‌سازی شده برای آموزش SimBIG در سمت راست با توزیع کهکشانی در کیهان واقعی در سمت چپ مقایسه می‌کند)
ارتقای شناخت کیهانی بر اساس SimBIG
«شرلی هو» از مولفان این گزارش تحقیقی و از محققان مرکز اخترفیزیک محاسباتی در موسسه فلاتیرون در نیویورک گفت: ایجاد محدودیت‌های دقیق‌تر بر این پارامترها در عین استفاده از همان داده‌های قبلی، برای مطالعه هر چیزی از ترکیب ماده تاریک تا ماهیت انرژی تاریکی که کیهان را به هر سو می‌گستراند، حائز اهمیت است.
وی خاطرنشان کرد: این مساله بخصوص از این لحاظ درست است که تحقیقات جدید درباره جهان هستی در چند سال آینده به نتیجه خواهد رسید.
شش پارامتر کیهان‌شناسانه یاد شده، مقدار ماده معمولی، ماده تاریک، انرژی تاریک در کیهان و شرایط پیامد «مه‌بانگ» (بیگ‌بنگ) را توصیف می‌کنند. این پارامترها در واقع «تنظیمات» کیهانی هستند که چگونگی عملکرد آن در مقیاس‌های بزرگ را تعیین می‌کند.
یکی از راه‌های مورد استفاده کیهان‌شناسان برای محاسبه این پارامترها از طریق خوشه‌بندی (clustering ) کهکشان‌های کیهان بوده است. در گذشته، این تحلیل‌ها تنها توزیع کهکشان‌ها در مقیاس بزرگ را مورد بررسی قرار می‌دادند و امکان بررسی در مقیاس کوچک وجود نداشت.
در این حال محققان موسسه یاد شده راهی برای استفاده از هوش مصنوعی به منظور استخراج اطلاعات در مقیاس کوچک پیدا کرده‌اند. این محققان به عنوان داده‌های ورودی برای آموزش دادن به مدل هوش مصنوعی، ۲ هزار کیهان مصنوعی تولید کردند و پارامترهای کیهان‌شناسانه آنها را با دقت تنظیم کردند. این محققان از تکنیک‌های نوآورانه برای فشرده‌سازی مجموعه‌های داده به شکل چهارچوب‌های قابل مدیریت استفاده کردند.
این در حالی است که تحقیقات جدید تا چند سال آینده به نتیجه خواهند رسید و استفاده از داده‌های جدید بر اساس مدل SimBIG جزئیات بیشتری از تاریخچه کیهان را مشخص خواهد کرد.