Tek Bir Galaksi, Tüm Evrenin Kompozisyonunu Ortaya Çıkarabilir

Araştırmacılar tarafından herhangi bir tek galaksi görüntüsünün, tüm evrenin kompozisyonunu ortaya çıkarabildiği tespit edildi.

Bilgisayar simülasyonlarının yardımıyla, bir sinir ağının sadece bir galaksiyi inceleyerek tüm evrendeki madde miktarını gösterebileceği keşfedildi. Simülasyonlardan elde edilen veriler ışığında bilim insanları, kozmoloji için yeni ve radikal bir yol bulmuş olabilirler.

Kozmologlar genellikle evrenin bileşimini mümkün olduğu kadar çok gözlemleyerek anlama ve yorumlamaya çalışır. Ancak bu kez araştırmacılar, bir makine öğrenimi algoritmasıyla yeni bir yöntem geliştirdi. Algoritmanın simüle edilmiş tek bir galaksi yapısını inceleyerek içinde bulunduğu dijital evrenin genel yapısını tahmin edebileceğini keşfedildi. Bu, mikroskop altında rastgele bir kum tanesini analiz etmeye ve Avrasya kütlesini hesaplamaya benzer bir başarıyı ifade ediyor. 

Böylece sadece temel yapı taşlarını inceleyerek gerçek kozmos hakkında kapsamlı sonuçlar çıkarılmasına imkân verebilecek bir model bulunmuş gibi görünüyor. New York'taki Flatiron Enstitüsü'nde teorik bir astrofizikçi olan ve çalışmanın baş yazarı Francisco Villaescusa-Navarro, “Bu tamamen farklı bir fikir. Bu milyonlarca galaksiyi ölçmek yerine, sadece bir tanesini kullanabilirsiniz. Bunun işe yaraması gerçekten şaşırtıcı.” ifadesini kullandı. 

Şaşırtıcı Keşif, Bir Ödev Sonucunda Ortaya Çıktı

Bulgu, Villaescusa-Navarro'nun Princeton Üniversitesi'nden bir lisans öğrencisi olan Jupiter Ding'e verdiği bir görev sonucunda ortaya çıktı. Bir galaksi yapısının özelliklerini bilerek, birkaç kozmolojik özelliği tahmin edebilen bir sinir ağı kurmasını istedi. Aslında bu görev, sadece Ding'i makine öğrenimine alıştırmak içindi. Ancak bilgisayarın maddenin toplam yoğunluğunu tespit ettiğini fark ettiler. Villaescusa-Navarro, "Öğrencinin bir hata yaptığını düşündüm. Dürüst olmak gerekirse inanmak benim için biraz zordu.” dedi.

Böylece araştırmacılar, Makine Öğrenimi Simülasyonları (CAMELS) projesiyle Kozmoloji ve Astrofizik tarafından oluşturulan 2.000 dijital evreni analiz etti. Bu evrenler, yüzde 10 ila yüzde 50 arasında madde içeriyor. Geri kalanı ise karanlık enerjiden oluşuyor. Ayrıca evrenin daha hızlı ve daha seri genişlemesine neden olan bir dizi bileşime sahip. Simülasyonlar süper kütleli kara deliklerden çıkan süpernovalar ve jetler gibi karmaşık olayların kaba işlemlerini de kapsıyordu.

Ding'in sinir ağı, bu çeşitli dijital evrenlerdeki yaklaşık 1 milyon simüle edilmiş galaksi yapısını analiz etti. Her bir galaksi sisteminin boyutunu, bileşimini, kütlesini ve bir düzineden fazla başka özellik belirlendi. Bu sayı listesini ana evrendeki maddenin yoğunluğuyla ilişkilendirmeye çalıştı ve başarılı da oldu. Geliştirdiği sinir ağı, daha önce incelemediği düzinelerce evrenden binlerce yeni gökada üzerinde test edildi. Sonucunda maddenin kozmik yoğunluğunu yüzde 10'a kadar tahmin edebilmeyi başardı. Villaescusa-Navarro, konunun önemini "Hangi galaksiyi düşündüğünüz önemli değil. Bunun mümkün olacağını kimse hayal etmemişti.” sözleriyle vurguladı. 

Algoritmanın performansı araştırmacılar tarafından şaşkınlıkla izlendi. Çünkü galaksi sistemleri doğal olarak kaotik nesnelerdir. Bazıları tek seferde oluşurken bazıları bir diğerini yok ederek büyür. Buna rağmen, bir şekilde kendi evrenindeki maddenin genel yoğunluğunu yakından takip etmeyi başarmıştı.

Gerçek Dünyadaki Uygulamalar Sınırlı Olabilir

Bir dizi deneyle araştırmacılar, algoritmanın kozmik yoğunluğu nasıl tahmin ettiğine dair bir fikir edindiler. Farklı galaktik özellikleri sistematik olarak gizlediler. Böylece ağı tekrar tekrar eğiterek, en önemli niteliklere odaklandılar. Yaklaşık 17 galaktik özellik ile madde yoğunluğu arasında çok daha kesin ve karmaşık bir ilişki saptandı. Bu ilişki galaktik birleşmelere, yıldız patlamalarına ve kara delik patlamalarına rağmen varlığını sürdürüyor.

Algoritmanın başarısı, evrenin özelliklerinin kaç tanesinin sadece bir galaksinin kapsamlı bir çalışmasından çıkarılabileceği sorusunu gündeme getirdi. Kozmologlar gerçek dünyadaki uygulamaların sınırlı olacağının farkındalar. Villaescusa-Navarro'nun grubu, sinir ağlarını farklı bir özellik (kozmik kümelik) üzerinde test ettiğinde hiçbir model saptayamadı. Ayrıca Springel, karanlık enerji nedeniyle evrenin hızlanan genişlemesi gibi diğer kozmolojik niteliklerin, bireysel galaksiler üzerinde çok az etkiye sahip olacağını ön görüyor.

Araştırma, teoride, Samanyolu ve belki de yakınlardaki birkaç başka galaksi sisteminin kapsamlı bir çalışmasını vadediyor. Ayrıca evrenimizin maddesinin son derece hassas bir şekilde ölçülmesini sağlayabileceğini öne sürüyor. Villaescusa-Navarro, böyle bir deneyin; evrenin üç tür nötrinosunun bilinmeyen kütlelerinin toplamı gibi diğer kozmik ithalat sayılarına dair ipuçları verebileceğini söylüyor.

Aynı zamanda Villaescusa-Navarro, sinir ağının iki bağımsız simülasyonun dağınık gökadalarında kalıplar bulabildiğini düşünüyor. Araştırmaya göre, bu dijital keşif, gerçek kozmosun büyük ve küçük arasında benzer bir bağlantıyı saklıyor olabileceği ihtimalini artırıyor.