La energía oscura y la IA como herramienta para entenderla

El efecto de lente gravitacional que se puede ver en este cúmulo galáctico (Abell 1689) indica la presencia de materia oscura. Crédito: NASA, N. Benitez (JHU), T. Broadhurst (Racah Institute of Physics/The Hebrew University), H. Ford (JHU), M. Clampin (STScI),G. Hartig (STScI), G. Illingworth (UCO/Lick Observatory) y ESA.

Un equipo de investigadores ha usado una IA (inteligencia artificial) para entender mejor las particularidades de la energía oscura. Concretamente, han buscado comprender la influencia y propiedades, con mucho más detalle, a partir de un mapa de materia visible y oscura que abarca los últimos 7000 millones de años…

La IA es una gran herramienta para entender mejor la energía oscura

La colaboración Dark Energy Survey ha llevado a cabo este nuevo estudio. Los investigadores han logrado doblar la precisión con la que se puede estimar diferentes características clave del universo a partir de ese mapa. Nos referimos a aspectos como la densidad global de la energía oscura. Esa mayor precisión permite a los investigadores descartar modelos del universo que, anteriormente, se consideraba que podrían ser plausibles. La energía oscura es una fuerza misteriosa, responsable de la aceleración de la expansión del universo.

Algunas de las galaxias más lejanas observadas por el telescopio James Webb. Crédito: NASA, ESA, CSA, Steve Finkelstein (UT Austin), Micaela Bagley (UT Austin), Rebecca Larson (UT Austin)

Se calcula que, aproximadamente, supone el 70% del contenido del universo. A ella, le sigue la materia oscura, que supone alrededor del 25% y cuya gravedad permite que las galaxias se mantengan unidas. Por último, la materia ordinaria, que compone todo lo que podemos ver, es el 5% restante. Niall Jeffrey, el autor principal del estudio, explica que han usado la IA para aprender a partir de los universos que han simulado por ordenador. Así, han aumentado la precisión de sus estimaciones de propiedades clave del universo.

Lograr esta mejora, sin esas técnicas, hubiera necesitado de cuatro veces la cantidad de datos utilizada. En sus palabras, esto sería equivalente a crear mapas de otros 300 millones de galaxias. Los hallazgos del equipo encajan con la mejor predicción actual de la energía oscura, que la establece como una constante cosmológica. Su valor no varía ni en el espacio ni en el tiempo. Sin embargo, también permiten que una explicación diferente pueda ser la correcta. Por ejemplo, no se puede descartar que nuestra teoría de la gravedad esté equivocada.

Un trabajo que encaja con otras observaciones

Al igual que en análisis anteriores del mapa de la Dark Energy Survey, que se publicó por primera vez en 2021, el trabajo sugiere que la materia en el universo está esparcida de una manera suave. No estaría tan apiñada como se deduciría a partir de la predicción de la relatividad general. Sin embargo, la discrepancia era menos significativa en este estudio en comparación a la de otros análisis anteriores, que mostraban márgenes de error mayores. El mapa de la Dark Energy Survey se obtuvo a través del uso de lentes gravitacionales débiles.

Es decir, observar cómo la luz, de galaxias lejanas, se curva por la gravedad de la materia presente en su camino hasta la Tierra. La colaboración analizó las distorsiones en la forma de 100 millones de galaxias. Así, pueden estimar la distribución de toda la materia, tanto visible como oscura, por delante de esas galaxias. Esto permite crear un mapa que, en este caso, cubría la cuarta parte del cielo del hemisferio sur. En este nuevo estudio, los investigadores han recurrido a superordenadores para realizar simulaciones de diferentes universos.

Estaban basados en datos de ese mapa. Cada simulación contenía un modelo matemático diferente que describía cómo funcionaba el universo simulado. Los investigadores han creado mapas de materia a partir de esas simulaciones. Posteriormente, el uso de la IA ha permitido extraer la información de esos mapas que era interesante para los modelos cosmológicos y, por tanto, para entender la energía oscura. Una segunda herramienta de IA, que aprendía de esos ejemplos de universos simulados, con diferentes modelos cosmológicos, también entró en escena.

El uso de la IA para profundizar en la energía oscura

Se usó para analizar los datos reales y, así, determinar la posibilidad de cualquier modelo cosmológico pudiese ser el modelo correcto para describir nuestro universo. Esta nueva técnica ha permitido a los investigadores utilizar mucha más información de esos mapas. Mucho más de lo que hubiera sido posible con los métodos anteriores. La siguiente fase del proyecto incluye el uso del telescopio Euclid, lanzado recientemente. Permitirá aumentar, enormemente, la cantidad de datos sobre las estructuras a gran escala del universo.

La galaxia IC 342 vista por el telescopio Euclid. Crédito: ESA/Euclid/Euclid Consortium/NASA

Esto ayudará a los investigadores a determinar qué sucede con esa suavidad en la distribución de la materia. Podría ser una señal de que los modelos cosmológicos actuales están equivocados o, quizá, plantear otra explicación. Ahora mismo, esa suavidad en la distribución choca con lo que predicen los análisis de la radiación de fondo de microondas, la primera luz del universo (emitida 370 000 años tras el Big Bang). La colaboración Dark Energy Survey incluye a más de 400 científicos de 25 instituciones, de siete países diferentes y ha hecho un gran trabajo.

Ha catalogado cientos de millones de galaxias, utilizando imágenes del firmamento tomadas con la Dark Energy Camera de 570 megapíxeles, es una de las cámaras digitales más potente del mundo, y se utilizó entre 2013 y 2019. Sea como fuere, la energía oscura sigue siendo una de las grandes incógnitas de la ciencia moderna. Su efecto está bien entendido, al ser la responsable de la aceleración de la expansión del universo. Sin embargo, hay muchas preguntas a su alrededor y respecto al universo, en su conjunto, que todavía no tienen respuesta…

Estudio

El estudio es N. Jeffrey, L. Whiteway, M. Gatti et al.; «Dark Energy Survey Year 3 results: likelihood-free, simulation-based wCDM inference with neural compression of weak-lensing map statistics«. Puede consultarse en arXiv, en este enlace.

Referencias: Phys

Alex Riveiro: Divulgador científico. Autor de "Hacia las estrellas: una breve guía del universo", "Más allá de las estrellas: ¿estamos solos en el universo?" y la saga de ciencia ficción "Ecos de un futuro distante". Colaborador en eltiempo.es y Otros Mundos. También en Twitter, YouTube, Twitch e iVoox.
Posts relacionados
Leave a Comment