One_galaxy_1920x1080_Lede.mp4- (8.03 Mio) Téléchargé 45 fois
https://www.quantamagazine.org/with-one ... -20220120/
Les cosmologistes déterminent généralement la composition de l’univers en l’observant autant que possible.
Des chercheurs (voir https://arxiv.org/abs/2201.02202) ont découvert qu’un algorithme d’apprentissage automatique peut examiner une seule galaxie simulée et prédire la composition globale de l’univers numérique dans lequel elle existe – un exploit analogue à l’analyse d’un grain de sable aléatoire au microscope et à l’élaboration de la masse de l’Eurasie.
Les machines semblent avoir trouvé un modèle qui pourrait un jour permettre aux astronomes de tirer des conclusions radicales sur le cosmos réel simplement en étudiant ses blocs de construction élémentaires.
Les galaxies peuvent être caractérisées par de nombreuses propriétés internes telles que la masse stellaire, la métallicité du gaz et le taux de formation d’étoiles. Nous quantifions la quantité d’informations cosmologiques et astrophysiques contenues dans les propriétés internes des galaxies individuelles et de leurs halos de matière noire hôtes. Nous entraînons des réseaux de neurones en utilisant des centaines de milliers de galaxies à partir de 2 000 simulations hydrodynamiques de pointe avec différentes cosmologies et modèles astrophysiques du projet CAMELS (Astrophysics with Machine Learning Simulations) pour effectuer une inférence sans probabilité sur la valeur des paramètres cosmologiques et astrophysiques.
https://arxiv.org/abs/2201.02202
JJ