С помощью машинного обучения и данных телескопа eROSITA определены космологические параметры Вселенной
Иллюстрация: Nano Banana
Группа исследователей впервые задействовала алгоритмы машинного обучения для прямого вычисления фундаментальных космологических констант, опираясь на сведения, полученные рентгеновским телескопом eROSITA. В отличие от традиционных стратегий, базирующихся на опосредованном определении массы галактических скоплений, ученые подготовили модель Random Forest, используя гидродинамические симуляции Magneticum с вариативными сценариями устройства Вселенной.
После завершения этапа обучения нейросетевой алгоритм был применен к актуальным массивам данных из каталогов наблюдений. Система комплексно интерпретировала ряд рентгеновских признаков — интенсивность свечения, температурные градиенты, массу газовых структур и характерные радиусы, — на основе которых восстановила значения ключевых параметров.
В итоге были зафиксированы следующие показатели: плотность материи Ωm = 0,30(−0,02;+0,03), амплитуда флуктуаций плотности σ8 = 0,81 ± 0,01 и нормированная постоянная Хаббла h0 = 0,710 ± 0,004. По уровню точности эти выводы не уступают классическим космологическим тестам и не вступают в противоречие с результатами изучения реликтового излучения или слабого гравитационного линзирования.
Примечательно, что полученные цифры имеют расхождения с данными европейского спутника Planck, исследовавшего вариации космического микроволнового фона, и коррелируют скорее с локальными замерами космических расстояний. Это превращает новую методику в значимый ресурс для изучения «напряжения Хаббла» — парадоксального несоответствия между скоростью расширения ранней Вселенной и показателями, полученными при наблюдении за относительно близкими галактиками, которое пока невозможно объяснить в рамках базовой космологической модели.
Специалисты акцентируют внимание на том, что преимущество данного подхода заключается в способности учитывать сложные корреляции между измеряемыми свойствами скоплений и нивелировать влияние систематических погрешностей калибровки масс. Именно эти неопределенности долгое время оставались барьером для развития рентгеновской космологии.
Тестирование на синтетических моделях подтвердило устойчивость алгоритма к шумам и изменениям в структуре выборки. Это свидетельствует о том, что система не просто адаптируется под конкретные цифры, а выявляет подлинные физические закономерности.
По словам авторов работы, предложенный инструментарий открывает новые перспективы для интерпретации масштабных рентгеновских обзоров неба и независимой верификации общепринятой модели Вселенной. С расширением базы данных eROSITA и совершенствованием симуляций аналитическая мощность таких методов будет неуклонно расти.
Ожидается, что в будущем этот подход станет одним из столпов наблюдательной космологии, дополняя привычную статистику и помогая извлекать достоверную информацию о Вселенной из стремительно растущих массивов данных.
Источник: iXBT
Microsoft запустила инструмент для поиска уязвимостей и рисков в ИИ-агентах
«Кто ступит на Луну первым»: глава NASA пообещал ускорить программу Artemis и напомнил о флаге на скафандре
PNY лишила гарантии владельца сгоревшей GeForce RTX 5090 из-за штатного кабеля БП
ChatGPT Pro Max за 500 долларов в месяц: OpenAI готовит самый дорогой тариф
Скоростной 5G в метро: T2 показал результаты тестов в Москве и Петербурге
Xiaomi 18 Pro уступил Xiaomi 17 Ultra в яркости и видимости экрана при сравнении
Максимальный вайб: HMD анонсировала Vibe2 Pro с аккумулятором на 6000 мА·ч
Huawei Mate 90 Pro Max удивит уникальной камерой с 1-дюймовым телеобъективом и 10-кратным зумом