Figure 1 :Un exemple d'univers virtuel créé par le supercalculateur ATERUI II. Il montre la distribution d'environ 10 milliards de particules dans un volume englobant environ 4,9 milliards d'années-lumière évolué jusqu'à aujourd'hui. Cela prend environ deux jours en utilisant 800 cœurs de processeur dans ATERUI II. Crédit :YITP
Les progrès des télescopes ont permis aux chercheurs d'étudier l'univers plus en détail, et établir un modèle cosmologique standard qui explique simultanément divers faits d'observation. Mais il y a beaucoup de choses que les chercheurs ne comprennent toujours pas. Remarquablement, la majorité de l'univers est constituée de matière noire et d'énergie noire de nature inconnue. Une voie prometteuse pour résoudre ces mystères est l'étude de la structure de l'univers. L'univers est constitué de filaments où les galaxies se regroupent. Ces filaments ressemblent à des fils de loin, vides environnants où il semble n'y avoir rien. La découverte du fond diffus cosmologique a donné aux chercheurs un aperçu de ce à quoi ressemblait l'univers à ses débuts; comprendre comment sa structure a évolué jusqu'à ce qu'elle est aujourd'hui révélerait des caractéristiques précieuses sur la matière noire et l'énergie noire.
Une équipe de chercheurs, y compris Kyoto University Yukawa Institute for Theoretical Physics Project Professeur agrégé Takahiro Nishimichi, et le chercheur principal de l'Institut Kavli pour la physique et les mathématiques de l'univers (Kavli IPMU), Masahiro Takada, a utilisé les superordinateurs de simulation astrophysique les plus rapides au monde ATERUI et ATERUI II pour développer le Dark Emulator. L'utilisation de l'émulateur sur les données enregistrées par plusieurs des plus grandes enquêtes d'observation au monde permet aux chercheurs d'étudier les possibilités concernant l'origine des structures cosmiques et la façon dont la distribution de la matière noire a pu changer au fil du temps.
"Nous avons construit une base de données extraordinairement grande à l'aide d'un superordinateur, qui nous a pris trois ans pour terminer, mais maintenant nous pouvons le recréer sur un ordinateur portable en quelques secondes. J'ai l'impression qu'il y a un grand potentiel dans la science des données. En utilisant ce résultat, J'espère que nous pourrons découvrir le plus grand mystère de la physique moderne, qui est de découvrir ce qu'est l'énergie noire. Je pense aussi que cette méthode que nous avons développée sera utile dans d'autres domaines comme les sciences naturelles ou les sciences sociales, ", explique l'auteur principal Nishimichi.
Figure 2 :La manière dont les galaxies se regroupent dans l'Univers est clairement illustrée dans cette image de l'univers telle qu'observée par le Sloan Digital Sky Survey (SDSS). Les points jaunes représentent la position des galaxies individuelles, tandis que la boucle orange montre la zone de l'univers couvrant 1 milliard d'années-lumière. Au centre se trouve la Terre, et autour d'elle se trouve une carte tridimensionnelle des différentes galaxies. L'image révèle que les galaxies ne sont pas uniformément réparties dans tout l'univers, et qu'ils se regroupent pour créer des zones appelées filaments, ou sont complètement absents dans les zones appelées vides. Crédit :Tsunehiko Kato, ARC et SDSS, Projet d'univers numérique à quatre dimensions NAOJ
Figure 3 :La conception conceptuelle de Dark Emulator. A gauche :Un exemple d'univers virtuel créé par le supercalculateur ATERUI II. Centre :L'architecture de Dark Emulator. Il apprend la correspondance entre les paramètres cosmologiques fondamentaux employés au début d'une simulation et son résultat basé sur une architecture d'apprentissage automatique avec une implémentation hybride de plusieurs méthodes statistiques. Après l'entrainement, la machine prédit maintenant avec précision les signaux d'observation attendus pour un nouvel ensemble de paramètres cosmologiques sans exécuter une nouvelle simulation. Cela permet aux astronomes de réduire considérablement le coût de calcul nécessaire à l'extraction de paramètres cosmologiques à partir de données d'observation. Crédit :YITP, NAOJ
Cet outil utilise un aspect de l'intelligence artificielle appelé apprentissage automatique. En changeant plusieurs caractéristiques importantes de l'univers, comme celles de la matière noire et de l'énergie noire, ATERUI et ATERUI II ont créé des centaines d'univers virtuels. Dark Emulator apprend des données, et devine les résultats pour de nouveaux ensembles de caractéristiques sans avoir à créer des simulations entièrement nouvelles à chaque fois. Lors du test de l'outil résultant avec des enquêtes réelles, il a prédit avec succès de faibles effets de lentille gravitationnelle dans l'enquête Hyper Suprime-Cam, ainsi que les modèles de distribution tridimensionnels des galaxies enregistrés dans le Sloan Digital Sky Survey avec une précision de 2 à 3% en quelques secondes. En comparaison, exécuter des simulations individuellement via un superordinateur sans l'IA, prendrait plusieurs jours.
Les chercheurs espèrent appliquer leur outil en utilisant les données des enquêtes à venir dans les années 2020, permettant des études plus approfondies de l'origine de l'univers.
