우주 계산 재작성: 새로운 AI가 우주의 설정을 잠금 해제한다.

 

AI는 우주론적 매개변수 추정을 개선하여 우주의 팽창과 구조에 대한 이해를 향상시킨다.

우주의 표준 모델은 6개의 숫자에 의존한다. 플랫아이언 연구소(Flatiron Institute)의 연구원들과 동료들은 인공지능이 제공하는 새로운 방법을 사용하여 은하 분포에 숨겨진 정보를 추출하여 이러한 우주 매개변수 중 5개의 값을 전례 없는 정밀도로 추정했다.

 

동일한 은하 데이터를 사용하는 기존 기술에 비해 이 접근 방식은 우주 물질의 덩어리짐을 설명하는 매개변수의 불확실성을 절반 미만으로 줄였다. 또한 AI 기반 방법은 우주에서 가장 오래된 빛과 같은 다른 현상의 관찰을 기반으로 한 우주론적 매개변수 추정치와 밀접하게 일치했다.

 

그들의 방법인 시뮬레이션 기반 은하 추론(SimBIG)은 Nature Astronomy에 발표된 새로운 연구를 포함하여 일련의 최근 논문에 자세히 설명되어 있다.

 

이 스냅샷은 SimBIG(오른쪽)를 훈련하는 데 사용된 시뮬레이션 우주의 은하 분포를 실제 우주(왼쪽)에서 볼 수 있는 은하 분포와 비교한다. 출처: Bruno Regaldo-Saint Blancard/SimBIG 콜라보레이션

 

SimBIG를 통한 우주론적 이해 강화

 

동일한 데이터를 사용하면서 매개변수에 대해 보다 엄격한 제약을 생성하는 것은 암흑 물질의 구성부터 우주를 갈라놓는 암흑 에너지의 본질까지 모든 것을 연구하는 데 중요할 것이라고 뉴욕시에 있는 플랫아이언 연구소(Flatiron Institute) 전산천체물리학센터(CCA)의 그룹 리더이자 공동 저자인 셜리 호(Shirley Ho)가 말했다. 향후 몇 년 동안 우주에 대한 새로운 조사가 온라인으로 진행됨에 따라 특히 그렇다.

 

SimBIG(시뮬레이션 기반 은하 추론) 프로젝트의 방법론을 보여주는 인포그래픽이다. 출처: Lucy Reading-Ikkanda/Simons Foundation

 

우주론적 조사의 가치

셜리 호는 “각 설문조사에는 수억 달러에서 수십억 달러의 비용이 든다.”라고 말한다. “이러한 조사가 존재하는 주된 이유는 우리가 이러한 우주론적 매개변수를 더 잘 이해하고 싶기 때문이다. 따라서 매우 실용적인 의미에서 생각해 보면 이러한 매개변수는 각각 수천만 달러의 가치가 있다. 이러한 조사에서 가능한 한 많은 지식을 추출하고 우주에 대한 이해의 한계를 넓힐 수 있는 최고의 분석을 원한다.”

 

6가지 우주론적 매개변수는 우주에 있는 일반 물질, 암흑 물질, 암흑 에너지의 양과 빅뱅 이후의 조건을 설명한다. 예를 들어, 냉각된 신생 우주의 불투명도, 우주의 질량이 퍼져 있는지 아니면 큰 덩어리로 되어 있는지 등이 있다. 자연 천문학 연구의 공동 저자이자 CCA의 연구 분석가인 리암 파커(Liam Parker)는 매개변수가 "본질적으로 우주가 가장 큰 규모에서 작동하는 방식을 결정하는 우주의 '설정'이다."라고 말한다.

 

더 깊은 우주 통찰력을 위해 AI 활용

우주론자들이 매개변수를 계산하는 가장 중요한 방법 중 하나는 우주 은하의 클러스터링을 연구하는 것이다. 이전에는 이러한 분석에서는 은하의 대규모 분포만 살펴보았다.

"우리는 더 작은 규모로 내려갈 수 없었다."라고 프린스턴 대학의 부연구원이자 자연 천문학 연구의 주요 저자인 한창훈은 말한다. “몇 년 동안 우리는 거기에 추가 정보가 있다는 것을 알고 있었다. 우리는 그것을 추출할 좋은 방법이 없었을 뿐이다.”

 

AI 기반 기술 및 미래 애플리케이션

한창훈은 AI를 활용하여 소규모 정보를 추출하는 방법을 제안했다. 그의 계획은 두 단계로 구성되었다. 첫째, 그와 그의 동료들은 시뮬레이션된 우주의 모습을 기반으로 우주론적 매개변수의 값을 결정하기 위해 AI 모델을 훈련했다. 그런 다음 그들은 모델의 실제 은하 분포 관측을 보여준다.

 

한, 호, 파커 및 동료들은 CCA에서 개발한 Quijote 시뮬레이션 제품군에서 2,000개의 상자 모양 우주를 보여줌으로써 모델을 훈련시켰다. 각 우주는 우주 매개변수에 대해 서로 다른 값을 사용하여 생성되었다. 연구자들은 모델에 현실적인 실습을 제공하기 위해 2,000개의 우주를 대기와 망원경 자체의 결함을 포함하여 은하 조사에서 생성된 데이터처럼 보이게 만들었다. 한은 “시뮬레이션 횟수가 매우 많지만 관리 가능한 수준이다.”라고 말했다. “머신러닝이 없었다면 수십만 개가 필요할 것이다.”

 

모델은 시뮬레이션을 수집함으로써 우주론적 매개변수의 값이 개별 은하 쌍 사이의 거리와 같은 은하 클러스터링의 소규모 차이와 어떻게 상관되는지 시간이 지남에 따라 학습했다. SimBIG는 또한 한 번에 3개 이상의 은하계를 관찰하고 길고 쭉 뻗은 삼각형 또는 쪼그리고 앉은 정삼각형과 같이 이들 사이에 생성된 모양을 분석하여 우주 은하계의 더 큰 그림 배열에서 정보를 추출하는 방법을 배웠다.

 

훈련된 모델을 통해 연구원들은 Baryon Oscillation Spectroscopic Survey로 측정한 109,636개의 실제 은하계를 제시했다. 그들이 바라던 대로 모델은 데이터의 소규모 및 대규모 세부 정보를 활용하여 우주론적 매개변수 추정의 정확성을 높였다. 이러한 추정치는 매우 정확하여 약 4배 많은 은하계를 사용하는 전통적인 분석과 동일하다. 호는 이것이 중요하다고 말합니다. 왜냐하면 우주에는 은하계가 너무 많기 때문이다. SimBIG는 더 적은 데이터로 더 높은 정밀도를 얻음으로써 가능한 것의 한계를 뛰어넘을 수 있다.

 

그 정확성의 흥미로운 적용 중 하나는 허블 장력으로 알려진 우주 위기가 될 것이라고 한은 말한다. 긴장은 우주의 모든 것이 얼마나 빨리 퍼지고 있는지를 설명하는 허블 상수의 추정치 불일치로 인해 발생한다.

 

허블 상수를 계산하려면 “우주 눈금자”를 사용하여 우주의 크기를 추정해야 한다. 먼 은하계에서 초신성이라고 불리는 폭발하는 별까지의 거리를 기반으로 한 추정치는 우주에서 가장 오래된 빛의 변동 간격을 기반으로 한 추정치보다 약 10% 더 높다.

 

앞으로 몇 년 안에 온라인으로 제공되는 새로운 설문 조사는 우주의 역사에 대해 더 많은 것을 포착하게 될 것이다. 이러한 조사에서 나온 데이터를 SimBIG와 결합하면 허블 장력의 정도와 불일치가 해결될 수 있는지 또는 수정된 우주 모델이 필요한지 여부를 더 잘 밝힐 수 있을 것이라고 한은 말한다. "만약 우리가 그 양을 매우 정확하게 측정하고 긴장이 있다고 확고하게 말할 수 있다면 암흑 에너지와 우주 팽창에 관한 새로운 물리학을 밝힐 수 있을 것이다."라고 그는 말한다.