Con un total de 4.233 simulaciones del universo, millones de galaxias y 350 terabytes de datos, la nueva edición del Proyecto CAMELS es un tesoro para los cosmólogos. CAMELS, que significa cosmología y astrofísica con aprendizaje de simulación de MachinE, tiene como objetivo utilizar esas simulaciones para entrenar modelos de inteligencia artificial para descifrar las propiedades del universo.
Los científicos ya están usando los datos, Y es gratis para descargar, para apoyar nuevas investigaciones, dice el co-líder del proyecto Francisco Villascosa Navarro, un científico investigador en el Grupo de Análisis y Simulación CMB (Fondo Cósmico de Microondas) de la Fundación Simmons.
Villaescusa-Navarro lidera el proyecto con los Investigadores Científicos Asociados del Centro de Astrofísica Computacional (CCA) del Flatiron Institute (CCA) Shy Genel y Daniel Anglés-Alcázar, también profesor asociado de física en la UConn.
“El aprendizaje automático está revolucionando muchas áreas de la ciencia, pero requiere una gran cantidad de datos para explotar”, dice Anglés-Alcázar. «La publicación de los datos públicos de CAMELS, con miles de universos simulados que cubren una amplia gama de física plausible, brindará a las comunidades de cosmología y formación de galaxias una oportunidad única de explorar el potencial de los nuevos algoritmos de aprendizaje automático para resolver una variedad de problemas. «
El equipo de CAMELS creó las simulaciones utilizando código extraído de los proyectos IllustrisTNG y Simba. El equipo de CAMELS cuenta con miembros en ambos proyectos, con Genel como parte del core team IllustrisTNG y Anglés-Alcázar en el equipo que desarrolló Simba.
Aproximadamente la mitad de las simulaciones combinan la física del universo con la física a menor escala necesaria para formar galaxias. todo simulación Funciona con suposiciones ligeramente diferentes sobre el universo, por ejemplo, con respecto a la cantidad de materia oscura invisible del universo vs. energía oscura El arrastre del universo, o la enorme cantidad de energía que los agujeros negros inyectan en el espacio intergaláctico.
Los investigadores diseñaron las simulaciones para alimentar modelos de aprendizaje automático, que luego podrían extraer información de las observaciones del universo real y observable. Con 4.233 simulaciones del universo, CAMELS es el conjunto más grande de simulaciones cósmicas detalladas diseñadas para entrenar algoritmos de aprendizaje automático.
“Los datos permitirán nuevos descubrimientos y vincularán la cosmología con la astrofísica a través del aprendizaje automático”, dice Veliscosa Navarro. «Nunca ha habido nada similar a esto, con tantas simulaciones del universo».
El conjunto de datos de CAMELS ya respalda proyectos de investigación, con una amplia gama de artículos que utilizan los datos en los negocios.
Pablo Villanueva Domingo de la Universidad de Valencia en España dirigió uno de estos trabajos. Él y sus colegas aprovecharon las simulaciones de CAMELS para entrenar un modelo de inteligencia artificial para medir la masa de nuestra Vía Láctea, así como el halo de materia oscura circundante, la cercana galaxia de Andrómeda y su halo. Las mediciones, las primeras en utilizar inteligencia artificial, estimaron el peso de nuestra galaxia de 1 billón a 2,6 billones de veces la masa del Sol. Estas estimaciones son aproximadamente consistentes con las realizadas por otros métodos, lo que demuestra la precisión del enfoque de IA.
Mientras tanto, Velascosa Navarro ha liderado un esfuerzo por utilizar datos de CAMELS para estimar el valor de dos parámetros que gobiernan las propiedades fundamentales del universo: qué parte del universo es materia y qué tan uniformemente se distribuye la masa en todo el universo. Primero, él y sus colegas usaron CAMELS para crear mapas como la distribución de materia oscura y gas y varias propiedades de las estrellas. Luego, usando mapas, entrenaron a A aprendizaje automático Una herramienta llamada red neuronal para predecir los valores de dos parámetros.
«Este es el mismo tipo de algoritmo que se utiliza para diferenciar entre un gato y un perro los píxeles de una imagen», dice Genell, coautor del artículo de investigación. «El ojo humano no puede decir cuánta materia oscura hay en la simulación, pero la red neuronal sí puede».
Los resultados muestran la promesa de hacer uso de CAMELS para estimar con precisión estos parámetros en el futuro con base en las nuevas observaciones de ser, dice Villascosa Navarro.
«Es emocionante ver lo que permitirán otros nuevos descubrimientos», dice.
Introducción de
Universidad de Connecticut
La frase: La colección más grande de simulaciones cósmicas para el entrenamiento en inteligencia artificial, descarga gratuita, descubrimiento ya catalizado (2022, 7 de enero). Obtenido el 7 de enero de 2022 de https://phys.org/news/2022-01-largest-cosmic-simulations -ai -free.html
Este documento está sujeto a derechos de autor. Sin perjuicio de cualquier trato justo con fines de estudio o investigación privados, no se puede reproducir ninguna parte sin permiso por escrito. El contenido se proporciona únicamente con fines informativos.
«Solucionador de problemas. Gurú de los zombis. Entusiasta de Internet. Defensor de los viajes sin disculpas. Organizador. Lector. Aficionado al alcohol».