用AI和超级计算机解读浩瀚的银河地图——精密测量决定宇宙成立的物理量——
【概要】 亚利桑那大学天文系小林洋祐博士研究员(到2021年为止为东京学国际等研究所加勒比数物联合宇宙研究机构(以下简称ThIPMU )研究生及特任研究员)、京都学基础物理学研究所道启博特定副教授(兼:加勒比IPMU客座科学研究员)、加勒比ipmu昌广教授、 由名古屋大学基本粒子宇宙起源研究所宫武广直副教授组成的共同研究小组,将从当今世界最大的银河观测- -斯隆数字天空观测( SDSS )中得到的银河三维分布(从地球观察到的纵深方向及二维角度方向)的数据,与宇宙的大规模结构注1的理论模型进行比较,“宇宙论平行” 为此,使用国立天文台的超级计算机“Atii”注3,假设各种宇宙论参数执行宇宙的结构形成模拟,通过让人工智能( AI )技术之一的神经网络注4学习其大规模数据,可以任意选择 也就是说,这次的分析等同于银河地图的观测和所有宇宙论模型注2的模拟比较。 使用直接数值模拟执行此操作需要巨大的计算量,这是现实时间无法完成的。 通过使用基于神经网络的模型,在世界上首次实现了这样的分析。 结果,成功地以比先前研究更高的精度测量了暗物质的总量以及表示现在宇宙凹凸程度的宇宙论参数。 本方法也可适用于由昴星望远镜超宽视野多天体分光仪Prime Focus Spectrograph (PFS )进行的广域银河观测数据,该仪器在灰雾IPMU的引领下目前正在开发。 本研究成果于2022年420日在线刊登在国家物理学杂志《Physical Review D》上。 ( 2022年7月21日新闻发布会)
图1 :本研究中使用的斯隆数字天空观测的约100万个银河地图(左上:一点一点表示一个银河,地球位于中心)和薄长方体区域的放大图(左下)。 对于与左图相同大小的区域,根据采用AI导出的宇宙论参数的数值模拟预测的暗物质的分布(右上)和暗物质密集的地方形成的银河的分布(右下)。 AI和数值模拟预计的银河分布中,可以看到与实际观测数据非常相似的星系团、细丝、孔隙等特征图案。 (信用:西道启博) 下载: [有整体/图文框( PNG,23 MB )]、[有整体/无图文框( PNG,23 MB ) ]、[无整体/图文框( PNG,23 MB ) ]、[左上( PDF,18 MB) ]、左下( PDF,254 KB )、右上( PDF,1.6 MB )和右下( PDF,426 KB )。
【详细】 为了明确宇宙整体的性质及其创建和至今为止的进化的“宇宙论”,得到了约半个世纪的观测技术的显著提高的支持,其理论被确立为可以通过观测数据来验证的实证科学。 作为记述整个宇宙的“宇宙论模型”,暗物质和暗能量等未知成分占宇宙能量的大部分的“λ(拉姆达) CDM模型”注5被认为是现在宇宙论中的标准模型。 这样的宇宙论模型包含了暗物质的总量和宇宙凹凸程度等决定宇宙具体性质的物理量,这些被称为“宇宙论参数”。 为了验证宇宙论模型,宇宙论参数的测量是不可缺少的,以此为目标的观测正在全世界展开。 通过广阔天域的宇宙分光观测得到的银河三维地图,明确了银河按照特征图案的分布。 例如,众多银河密集的星系团区域、银河呈带状分布的细丝结构,或者是几乎没有银河的被称为孔隙的结构。 也就是说,银河不是在宇宙空间中均匀地形成的,而是在空间上不均匀地、依赖于环境形成的。 一般认为,背后支配着该银河非均匀分布的是由于自身不发光而无法直接观测到的暗物质的空间分布所引起的重力。 银河的三维地图数据已经成为从宇宙的大规模结构中测量宇宙论参数的有力手段。 但是,我们知道银河的分布不能完全反映暗物质的分布,这种不确定性被认为是“银河偏置不确定性”。 由于这个理由,制作再现银河地图的理论模型并不简单。 银河是由气体、星星的集团和暗物质组成的系统,但用超级计算机也还不能按照物理定律从星星的形成计算到整个银河的形成。 此外,银河地图需要再现多个银河空间分布的理论模型。 因此,我们承认观测数据的分析无法完全建模银河的形成,首先建立再现暗物质空间分布的理论模型,然后对银河和暗物质空间分布之间的不确定性进行建模。 最终需要考虑银河偏置不确定性的可取范围,测量感兴趣的宇宙物理量(例如暗物质的总量)的方法。 迄今为止的主要理论模型是在宇宙背景辐射的分析中获得巨大成功的宇宙结构形成的线性理论,或者将其扩展后的分析理论中导入了从现象学上记述银河偏置不确定性的参数的模型。 本研究小组通过超级计算机的数值模拟和人工智能( AI )相结合的方法,实现了“功率谱”注6的理论计算,该注6是提取了分析中用于与观测数据进行比较的银河分布的主要统计性质后的量。 在近年来的宇宙论研究中,在计算机上再现宇宙大规模结构的模拟“n体模拟”起着重要的作用。 在n体模拟中,生成了大量的粒子,模拟了占据宇宙大部分物质的暗物质,通过计算它们在重力作用下相互吸引的效果,可以数值性地再现暗物质的空间分布成长过程。 在迄今为止的研究中,此次的功率谱理论计算采用了通过解析求解物质所遵循的流体的运动方程式来计算暗物质的密度涨落注7的生长的方法。 但是,该流体方程式不知道严密解,不得不使用密度波动小的近似来求解,因此无法正确再现n体模拟的结果成为了问题。 为了将不使用这种近似的n体模拟直接应用于功率谱的理论计算,本研究小组着眼于AI技术。 n体模拟求解许多粒子的运动,因此其计算即使使用超级计算机也需要几十个小时。 为了对照观测数据,找出正确的宇宙论参数值,需要进行数百万次改变宇宙论参数的理论计算,因此将其直接用于理论计算是不现实的。 因此,我们利用国立天文台的超级计算机“阿提伊ⅱ”,在虽说不算百万,但改变了宇宙论参数值的100多种宇宙论模型下进行了n体模拟。 在此基础上,通过使用神经网络注4学习这些结果,成功开发出了即使是没有进行模拟的宇宙论参数,也能以与模拟同等程度的精度在1秒以内计算功率谱的软件(图2 )。 这种以比其小得多的计算成本模仿计算成本大的物理模拟的技术被称为“模拟器”,在宇宙论以外的计算机科学等领域已经被活用。
【用语解说】 注1 )宇宙的大规模结构:宇宙初期由于量子论的效果而生成的微小的密度波动在重力的作用下成长而成的物质(暗物质等)和银河编织成的泡状结构。 因为在大约100万光年以上的巨大规模上扩展,所以被称为大规模结构。 注2 )宇宙论模型宇宙论参数:按照物理定律描述宇宙从诞生到现在的模型(整个宇宙的模型)称为宇宙论模型。 宇宙论模型以决定宇宙性质的基本物理量(暗物质等各成分在宇宙全部能量中所占的比例、宇宙的膨胀速度、宇宙初期生成的密度波动的大小等)为参数。 这些统称为宇宙论参数。 注3 )阿特鲁伊ⅱ:国立天文台运用的天文学专用超级计算机( Cray XC50 )。 设置在岩手县奥州市的国立天文台水泽校区,从2018年开始继续运转。 理论运算性能3.087 petaflops (每秒进行3000万亿次浮点运算的性能),已被国内外天文学家访问和利用。 根据平安时代治理奥州市地区活跃的虾夷之长“阿弖流为”,怀着希望勇于挑战宇宙之谜的愿望而被命名。 注4 )神经网络:人工智能( AI )技术的一种用于机器学习的算法。 是通过复杂的网络状结构学习输入和输出的对应关系的数理模型,本研究主要通过精密学习作为输入的宇宙论参数和作为输出的光晕功率谱的对应关系,实现了模拟器的开发。 注5 )ΛCDM模型:将爱因斯坦的宇宙常数λ(拉姆达)作为加速宇宙膨胀的暗能量的候补,作为承担宇宙主要重力源的暗物质,生成完全没有重力以外效果的“冷暗物质” 虽然长期以来通过了多方面的观测数据测试,但有人指出,近年来无法同时解释捕捉到宇宙最初面貌的宇宙微波背景辐射的观测,以及基于临近宇宙天体亮度和距离关系的宇宙膨胀速度测量结果,这在宇宙论中成为一个很大的话题。 注6 )功率谱:是统计表示大规模结构扩展的银河如何分布的量之一,是银河观测中根据银河分布测量的最基本的数据。 本研究通过将功率谱的观测数据与理论计算进行比较,测定了宇宙论参数。 注7 )密度起伏:指宇宙中存在的能量成分(物质等)的空间密度的浓淡(凹凸)。 本研究测量了表示当前宇宙密度波动平均大小的宇宙论参数。 【关于研究项目】 本研究由科学技术振兴机构CREST (JPMHCR1414,代表:吉直纪)、科学技术振兴机构AIP加速课题( JP20317829,代表:吉田直纪)、科学研究费补助新学术领域研究“加速宇宙”总结班( 15H05887,代表:村)计划研究 15H05893,代表:昌广),科研经费补贴学术转型领域“暗物质”总班子( 20H05850,代表:村山齐)计划研究( 20H05855,代表:高田昌广,20H05861,代表:安藤真一郎),科研经费补贴基础研究 得到科研经费补助年轻研究( b ) ( 17K14273,代表:道启博)、科研经费补助基础研究( b ) ( 20H01932,代表:宫武广直)、东京大学Beyond AI的资助。
【关于图像的利用】 使用图像时,请务必在图像附近标明信用。 使用本网站上登载的图像及视频时,请按照《自然科学研究机构国立天文台网站使用规程》。 【相关链接】 东京大学Kavli IPMU新闻发布会:用AI和超级计算机解读广阔的银河地图——精密测量决定宇宙成立的物理量—— 国立天文台新闻发布会:用AI和超级计算机解读浩瀚的银河地图——精密测量决定宇宙成立的物理量—— 京都大学基础物理学研究所新闻发布会:用AI和超级计算机解读浩瀚的银河地图——精密测量决定宇宙成立的物理量—— 名古屋大学新闻发布会:用AI和超级计算机解读浩瀚的银河地图——精密测量决定宇宙成立的物理量——
联系客服