هوش مصنوعی دقت اندازهگیری انبساط جهان را افزایش داد
پژوهشگران با توسعه یک مدل جدید مبتنی بر هوش مصنوعی، روشی دقیقتر برای اندازهگیری فاصلههای کیهانی ارائه کردهاند؛ دستاوردی که میتواند به حل یکی از مهمترین چالشهای اخترشناسی، یعنی اختلاف در اندازهگیری نرخ انبساط جهان، کمک کند.
به گزارش سیناپرس،گروهی از پژوهشگران بینالمللی با استفاده از فناوری هوش مصنوعی موفق به توسعه سامانهای شدهاند که دقت اندازهگیری فاصله ابرنواخترهای نوع Ia را به طور قابل توجهی افزایش میدهد. این دستاورد میتواند نقش مهمی در محاسبه نرخ انبساط جهان و بررسی ماهیت انرژی تاریک ایفا کند.
اندازهگیری فاصله اجرام آسمانی یکی از مهمترین ابزارهای اخترشناسان برای تعیین سرعت انبساط کیهان است. تاکنون دانشمندان برای این منظور از ابرنواخترهای نوع Ia به عنوان «شمعهای استاندارد» استفاده میکردند، اما عوامل مختلف از جمله گردوغبار میانستارهای و تفاوتهای جزئی در ویژگیهای این انفجارهای ستارهای، همواره بر دقت اندازهگیریها تأثیر میگذاشت.
در پژوهش جدید، محققان با آموزش یک مدل هوش مصنوعی روی هزاران تصویر و داده مربوط به ابرنواخترها، موفق شدند الگوهایی را شناسایی کنند که پیش از این با روشهای سنتی قابل تشخیص نبود.
این سامانه قادر است خطاهای موجود در محاسبه فاصله را کاهش داده و نتایج دقیقتری ارائه دهد.
به گفته پژوهشگران، یکی از مهمترین کاربردهای این فناوری، کمک به حل «تنش هابل» است؛ اختلافی که سالهاست میان اندازهگیریهای مختلف نرخ انبساط جهان وجود دارد. در حالی که دادههای به دست آمده از تابش زمینه کیهانی یک مقدار مشخص برای ثابت هابل ارائه میکنند، اندازهگیریهای مبتنی بر ابرنواخترها عدد متفاوتی را نشان میدهند.
محققان معتقدند افزایش دقت اندازهگیری فاصلههای کیهانی میتواند مشخص کند آیا این اختلاف ناشی از خطاهای اندازهگیری است یا نشانهای از وجود فیزیک ناشناخته در جهان.
این پژوهش همچنین نشان میدهد؛هوش مصنوعی به سرعت در حال تبدیل شدن به یکی از ابزارهای اصلی تحقیقات اخترشناسی است. امروزه از الگوریتمهای یادگیری ماشین برای شناسایی کهکشانها، کشف سیارات فراخورشیدی، تحلیل دادههای تلسکوپهای فضایی و حتی پیشبینی رویدادهای کیهانی استفاده میشود.
کارشناسان میگویند: با آغاز فعالیت رصدخانههای نسل جدید و تولید حجم عظیمی از دادههای نجومی، استفاده از سامانههای هوش مصنوعی دیگر یک انتخاب نیست، بلکه ضرورتی اجتنابناپذیر برای تحلیل اطلاعات خواهد بود.
نتایج این مطالعه میتواند مسیر تحقیقات آینده درباره انرژی تاریک، ساختار جهان و سرنوشت کیهان را هموارتر کند و گامی مهم در بهرهگیری از هوش مصنوعی برای پاسخ به بنیادیترین پرسشهای علم به شمار میرود.
