Um die Geheimnisse des Kosmos im kleinstmöglichen Maßstab zu lüften, wenden sich Wissenschaftler der künstlichen Intelligenz zu.
Der Kosmologe Francisco „Paco“ Villaescusa-Navarro hat ein Problem.
„Wir geben Milliarden von Dollar für Boden- und Weltraumteleskope aus, um die Geheimnisse des Universums zu entschlüsseln“, erklärt er, „aber uns fehlen die meisten Informationen, die die Vermessungen enthalten.“
Das Problem ist, dass in jeder Umfrage die meisten Informationen auf den kleinsten Skalen vorliegen. Wenn Sie sich beispielsweise ein Bild von einem Wald ansehen, erhalten Sie einige Informationen, z. B. eine ungefähre Vorstellung davon, wie viele Bäume sich dort befinden. Wenn Sie etwas hineinzoomen, können Sie die einzelnen Bäume sehen und mehr Informationen erhalten – beispielsweise die verschiedenen Arten und ihre Höhe. Wenn Sie noch weiter hineinzoomen, explodiert die Menge an Informationen: Sie können jetzt Alter, Gesundheit, Blattstruktur, ausgeprägte Färbungen und mehr bestimmen.
Während Kosmologen daran arbeiten, Geheimnisse wie die Natur dunkler Materie, dunkler Energie und der Expansionsgeschichte des Universums zu lüften, verwenden sie oft eines ihrer Lieblingswerkzeuge: Galaxiendurchmusterungen. Dies sind Karten der Positionen und Geschwindigkeiten von Millionen von Galaxien und gehören zu den größten Kollaborationen der Welt. Am Dark Energy Survey sind beispielsweise über 400 Wissenschaftler aus über 25 Institutionen in sieben Ländern beteiligt. Während sie nur einen relativ winzigen Bruchteil des gesamten Inhalts des Universums kartieren, liefern diese Untersuchungen routinemäßig leistungsstarke Sonden für die Kosmologie.
Fast alle kosmologischen Arbeiten beinhalten jedoch, diese massiven Vermessungen durchzuführen und sie auf vergleichsweise einfache statistische Zusammenfassungen zu reduzieren, wie den durchschnittlichen Abstand zwischen Galaxien oder die Anzahl von Galaxien in unterschiedlichen Entfernungen. Kosmologen verbinden diese einfachen statistischen Zusammenfassungen dann mit den Größen, die ihnen wichtig sind, wie der Menge an dunkler Materie oder der Expansionsrate des Universums.
Um mehr Saft aus der kosmologischen Orange zu pressen, wollen Astronomen möglichst kleine Maßstäbe verwenden, die die meisten Informationen in den Durchmusterungen enthalten. Aber während diese kleinen Skalen viele reichhaltige kosmologische Informationen enthalten, sind sie auch voller nicht-kosmologischer Verschmutzung.
„Viele Leute haben gezeigt, dass sich die meisten Informationen über die Grundlagenphysik und auch über die Astrophysik auf diesen kleinen Skalen befinden“, erklärt Navarro, ein Forscher an der Simons Foundation in New York City. „In diesem Regime ist es schwierig für uns, Muster zu finden oder angesichts der Komplexität der damit verbundenen Physik sogar eine gewisse Intuition zu entwickeln.“
All diese zusätzlichen Informationen, wie die Dynamik einzelner Galaxien oder Supernova-Explosionsraten, sind großartig, wenn Sie ein Astrophysiker sind, aber eine lästige Verunreinigung, wenn Sie ein Kosmologe sind. Astronomen verfügen nicht über die Raffinesse, astrophysikalische von kosmologischen Informationen zu trennen. Wenn zum Beispiel zwei Galaxien auf eine bestimmte Weise interagieren, ist das ein Abdruck des Einflusses der Dunklen Materie oder aufgrund der Rückkopplung von riesigen Schwarzen Löchern?
Um die Informationen zu trennen und zum kosmologischen Signal zu gelangen, brauchen wir bessere Astronomen – KI-Astronomen.
„KI hat das Potenzial, die optimale Lösung zu finden, die es uns ermöglicht, alle Informationen zu extrahieren“, erklärt Navarro, der mit Mitarbeitern auf der ganzen Welt zusammengearbeitet hat, um Methoden der künstlichen Intelligenz für die Kosmologie zu entwickeln.
Doch bevor KI-Methoden auf das Universum losgelassen werden können, muss ihnen erst beigebracht werden, wie man gute Astronomen wird.
Dafür greifen Navarro und seine Mitarbeiter auf Simulationen zurück. Kosmologische Simulationen beinhalten das Wissen über die gesamte Physik, die möglicherweise in einen einzigen Computer gesteckt werden kann. Die Expansionsrate des Universums, das Gravitations-Tauziehen, das große Strukturen formt, Sternentstehung, Explosionen von riesigen Schwarzen Löchern, Magnetfelder und mehr fließen in eine moderne Simulation ein.
Diese Simulationen zielen darauf ab, so viel wie möglich von der Physik im realen Universum zu reproduzieren und diese Simulationen dann mit Beobachtungen abzugleichen. Aber bei all der Unordnung der Physik im kleinen Maßstab ist dieser Abgleich schwierig – es sei denn, Sie sind eine KI. „Dies ist eine einfache Aufgabe für die KI, da sie Muster erkennen und optimale Lösungen für Probleme finden wird, die wir nicht behandeln können“, sagt Navarro.
Navarro und seine Kollegen produzierten Tausende von Simulationen, wobei sie alle möglichen kosmologischen Parameter (wie die Menge an dunkler Materie) und astrophysikalische Parameter (wie die Stärke der Sternentstehung) variierten. Dann speisten sie diese Simulationen in eine Art KI ein, die als Convolutional Neural Network bekannt ist und selbst die subtilsten Muster erkennen soll.
„[Wenn wir] den Netzwerken viele verschiedene Karten oder Gitter mit unterschiedlichen Kosmologien und Astrophysik zeigen, lernt das Netzwerk ein Muster, das verwendet werden kann, um die kosmologischen Parameter abzuleiten“, erklärt Navarro.
Obwohl vielversprechend, steht ihre Arbeit erst am Anfang. Am wichtigsten ist, dass Navarro zur Vorsicht mahnt und erklärt, dass die KI buchstäblich alles aus diesen Simulationen lernen kann, einschließlich Muster und Verbindungen, die nicht real sind, wie Artefakte aus der Simulation. Um die KI zu testen, muss sie nicht nur auf Simulationen, sondern auf bestehenden Umfragen mit bekannten Ergebnissen ausgeführt werden. Nur dann kann man sich darauf verlassen, kosmologische Informationen aus zukünftigen Datensätzen bereitzustellen.
Trotzdem freut er sich auf die Zukunft. „Ich denke, KI fängt gerade erst an. Wir befinden uns in der Phase des exponentiellen Wachstums“, sagte er, „ich persönlich weiß nicht, wie weit uns KI bringen kann, aber ich bin mir ziemlich sicher, dass die Dinge nie mehr so sein werden wie zuvor.“
