Estimar con asombrosa precisión cinco de los seis parámetros del modelo estándar del universo.
Un nuevo método impulsado por inteligencia artificial está revolucionando nuestra comprensión del cosmos. El equipo del Instituto Flatiron y sus colaboradores ha desarrollado una técnica innovadora llamada Inferencia Basada en Simulación de Galaxias (SimBIG), que ha permitido extraer información oculta en la distribución de las galaxias para estimar con asombrosa precisión cinco de los seis parámetros del modelo estándar del universo.
A diferencia de las técnicas convencionales, que usan los mismos datos de galaxias, el enfoque de SimBIG reduce la incertidumbre en la medición de la aglomeración de materia en el universo a menos de la mitad. Este método no solo ha logrado concordar estrechamente con las estimaciones basadas en otros fenómenos, como la luz más antigua del universo, sino que también ha mejorado la precisión al aprovechar información de escalas pequeñas que antes se pasaban por alto.
El avance se detalla en una serie de estudios recientes, incluido uno publicado en Nature Astronomy al que se refiere Europas Press en un artículo periodístico.
Según Shirley Ho, coautora del estudio y líder de grupo en el Centro de Astrofísica Computacional (CCA), "generar restricciones más estrictas sobre los parámetros del universo será crucial para desentrañar desde la composición de la materia oscura hasta la naturaleza de la energía oscura".
Los seis parámetros cosmológicos esenciales describen la cantidad de materia ordinaria, materia oscura y energía oscura en el universo, así como las condiciones post-Big Bang, como la opacidad del universo recién nacido y la distribución de la masa.
Los seis parámetros cosmológicos esenciales describen la cantidad de materia ordinaria, materia oscura y energía oscura en el universo, así como las condiciones post-Big Bang, como la opacidad del universo recién nacido y la distribución de la masa. Estos parámetros son fundamentales para entender cómo funciona el universo en las escalas más grandes.
SimBIG entrena un modelo de IA utilizando 2.000 universos simulados para correlacionar los valores de los parámetros cosmológicos con diferencias a pequeña escala en la agrupación de galaxias. Una vez entrenado, el modelo procesó 109.636 galaxias reales para mejorar la precisión de las estimaciones cosmológicas, logrando resultados equivalentes a un análisis tradicional que usa cuatro veces más datos.
Este avance es particularmente relevante para abordar la crisis de la tensión de Hubble, una discordancia en las estimaciones de la constante de Hubble, que describe la rapidez de expansión del universo. La capacidad de SimBIG para extraer información precisa de menos datos podría ser clave para resolver esta discrepancia.
La capacidad de obtener una mayor precisión con menos datos expande los límites de lo que es posible en la cosmología, marcando un hito en la forma en que medimos y comprendemos el universo.
