Que pouvons-nous apprendre sur l’univers à partir d’une seule galaxie ?

Imaginez si vous pouviez regarder un flocon de neige au pôle Sud et déterminer la taille et le climat de tout l’Antarctique. Ou étudiez un arbre choisi au hasard dans la forêt amazonienne et, à partir de cet arbre, qu’il soit rare ou commun, étroit ou large, jeune ou vieux, déduisez les caractéristiques de la forêt dans son ensemble. Ou, et si, en regardant une galaxie parmi les centaines de milliards dans l’univers observable, on pouvait dire quelque chose de substantiel sur l’univers dans son ensemble ? Un article récent, dont les auteurs principaux incluent un cosmologiste, un expert en formation de galaxies et un étudiant de premier cycle nommé Jupiter (qui a fait le travail initial), suggère que cela pourrait être le cas. Le résultat a d’abord semblé « fou » aux auteurs de l’article. Maintenant, après avoir discuté de leur travail avec d’autres astrophysiciens et effectué divers «contrôles de santé mentale», en essayant de trouver des erreurs dans leurs méthodes, les résultats commencent à sembler assez clairs. Francisco Villaescusa-Navarro, l’un des principaux auteurs de l’ouvrage, a déclaré: “Il semble que les galaxies conservent en quelque sorte une mémoire de l’univers entier.”

La recherche a commencé comme une sorte d’exercice à la maison. Jupiter Ding, alors étudiant de première année à Princeton, a écrit au département d’astrophysique, dans l’espoir de s’impliquer dans la recherche. Il a mentionné qu’il avait une certaine expérience de l’apprentissage automatique, une forme d’intelligence artificielle capable de repérer des modèles dans de très grands ensembles de données. Villaescusa-Navarro, un astrophysicien spécialisé dans la cosmologie, avait une idée de ce sur quoi l’étudiant pourrait travailler. Villaescusa-Navarro souhaitait depuis longtemps déterminer si l’apprentissage automatique pouvait être utilisé pour aider à trouver des relations entre les galaxies et l’univers. “Je pensais, et si vous pouviez regarder seulement un millier de galaxies et à partir de là apprendre des propriétés sur l’univers entier ? Je me suis demandé, quel est le plus petit nombre que nous pourrions regarder ? Et si vous n’en regardiez qu’une centaine ? J’ai pensé, OK, nous allons commencer avec une galaxie.

Il ne s’attendait pas à ce qu’une galaxie fournisse beaucoup. Mais il pensait que ce serait un bon moyen pour Ding de s’entraîner à utiliser l’apprentissage automatique sur une base de données connue sous le nom de CHAMEAUX (Cosmologie et astrophysique avec des simulations d’apprentissage MachinE). Shy Genel, un astrophysicien spécialisé dans la formation des galaxies, qui est un autre auteur principal de l’article, a expliqué CHAMEAUX ainsi : « Nous commençons par une description de la réalité peu après le Big Bang. À ce stade, l’univers est principalement composé d’hydrogène gazeux, d’hélium et de matière noire. Et puis, en utilisant ce que nous savons des lois de la physique, notre meilleure estimation, nous parcourons ensuite l’histoire cosmique pendant environ quatorze milliards d’années. Les simulations cosmologiques existent depuis une quarantaine d’années, mais elles sont de plus en plus sophistiquées et rapides. CHAMEAUX contient quelque quatre mille univers simulés. Travailler avec des univers simulés, par opposition au nôtre, permet aux chercheurs de poser des questions auxquelles les lacunes de nos données d’observation nous empêchent de répondre. Ils permettent également aux chercheurs de jouer avec différents paramètres, comme les proportions de matière noire et d’hydrogène gazeux, pour tester leur impact.

Ding a travaillé sur CHAMEAUX depuis son dortoir, sur son ordinateur portable. Il a écrit des programmes pour travailler avec les CHAMEAUX données, puis les a envoyées à l’un des clusters informatiques de l’université, une collection d’ordinateurs bien plus puissants que son MacBook Air. Ce cluster informatique contenait le CHAMEAUX Les données. Le modèle de Ding s’est formé en prenant un ensemble d’univers simulés et en regardant les galaxies qu’ils contiennent. Une fois formé, le modèle verrait alors un échantillon de galaxie et serait invité à prédire les caractéristiques de l’univers à partir duquel il a été échantillonné.

Ding est très humble quant à sa contribution à la recherche, mais il en sait beaucoup plus sur l’astrophysique que même un étudiant de première année exceptionnel ne le fait généralement. Ding, un enfant avec deux sœurs, a grandi à State College, en Pennsylvanie. Au lycée, il a suivi une série de cours d’astronomie de niveau collégial à Penn State et a travaillé sur quelques projets de recherche impliquant l’apprentissage automatique. “Mon père était vraiment intéressé par l’astronomie quand il était lycéen”, m’a dit Ding. “Il est allé dans une autre direction, cependant.” Son père est professeur de marketing à l’école de commerce de Penn State.

L’intelligence artificielle est un concept parapluie pour diverses disciplines, y compris l’apprentissage automatique. L’une des premières tâches célèbres d’apprentissage automatique consistait à faire en sorte qu’un ordinateur reconnaisse l’image d’un chat. C’est quelque chose qu’un humain peut faire facilement, mais, pour un ordinateur, il n’y a pas de paramètres simples qui définissent le concept visuel d’un chat. L’apprentissage automatique est maintenant utilisé pour détecter des modèles ou des relations qui sont presque impossibles à voir pour les humains, en partie parce que les données sont souvent dans de nombreuses dimensions. Le programmeur reste le capitaine, indiquant à l’ordinateur ce qu’il doit apprendre et décidant sur quelle entrée il est formé. Mais l’ordinateur s’adapte, itérativement, au fur et à mesure qu’il apprend, et devient ainsi l’auteur de ses propres algorithmes. C’est l’apprentissage automatique, par exemple, qui a découvert, grâce à l’analyse des modèles linguistiques, les auteurs principaux présumés des messages de « Q » (le supposé haut fonctionnaire du gouvernement qui a déclenché la théorie du complot QAnon). Il a également été en mesure d’identifier les messages de Q qui semblaient avoir été écrits par Paul Furber, un développeur de logiciels sud-africain, et par Ron Watkins, le fils de l’ancien propriétaire de 8chan. Des programmes d’apprentissage automatique ont également été appliqués dans les soins de santé, utilisant des données pour prédire quels patients sont les plus à risque de chute. Par rapport à l’intuition des médecins, les évaluations basées sur l’apprentissage automatique ont réduit les chutes d’environ quarante pour cent, une énorme marge d’amélioration pour une intervention médicale.

L’apprentissage automatique a également propulsé la recherche en astrophysique vers l’avant. Villaescusa-Navarro a déclaré: «En tant que communauté, nous sommes confrontés à des problèmes extrêmement difficiles depuis de très nombreuses années. Des problèmes sur lesquels les personnes les plus intelligentes du domaine travaillent depuis des décennies. Et du jour au lendemain, ces problèmes sont résolus grâce à l’apprentissage automatique. Même la génération d’un seul univers simulé prenait très longtemps. Vous avez donné à un ordinateur des conditions initiales, puis vous avez dû attendre qu’il calcule ce que ces conditions produiraient quelque quatorze milliards d’années plus tard. Cela a pris moins de quatorze milliards d’années, bien sûr, mais il n’y avait aucun moyen de constituer une grande base de données d’univers simulés en temps opportun. Les progrès de l’apprentissage automatique ont renforcé ces simulations, faisant d’un projet comme CHAMEAUX possible. Un projet encore plus ambitieux, Learning the Universe, utilisera l’apprentissage automatique pour créer des univers simulés des millions de fois plus rapidement que CHAMEAUX Cloche; il utilisera ensuite ce qu’on appelle l’inférence basée sur la simulation – ainsi que des données d’observation réelles provenant de télescopes – pour déterminer quels paramètres de départ conduisent à un univers qui ressemble le plus au nôtre.

Ding m’a dit que l’une des raisons pour lesquelles il a choisi l’astronomie est la proximité qu’il ressent avec les percées dans le domaine, même en tant qu’étudiant de premier cycle. “Par exemple, je suis dans un cours de cosmologie en ce moment, et quand mon professeur parle de matière noire, elle en parle comme de quelque chose” une bonne amie à moi, Vera Rubin, a mis sur la carte “”, a-t-il déclaré. « Et l’énergie noire a été découverte par une équipe à Harvard il y a une vingtaine d’années, et j’y ai fait un programme d’été. Alors me voilà, en train d’apprendre ce genre de choses à peu près dans les endroits où ces choses se produisaient. Les recherches de Ding ont produit quelque chose de profondément inattendu. Son modèle utilisait une seule galaxie dans un univers simulé pour dire assez précisément quelque chose sur cet univers. La caractéristique spécifique qu’il a pu prédire est appelée matière oméga, qui se rapporte à la densité d’un univers. Sa valeur a été prédite avec précision à dix pour cent près.

Ding n’était initialement pas sûr de l’importance de ses résultats et était curieux d’entendre le point de vue de Villaescusa-Navarro. Il était plus que sceptique. “Ma première pensée a été, c’est complètement fou, je n’y crois pas, c’est le travail d’un étudiant de premier cycle, il doit y avoir une erreur”, a déclaré Villaescusa-Navarro. “Je lui ai demandé d’exécuter le programme de plusieurs autres manières pour voir s’il obtiendrait toujours des résultats similaires.” Les résultats ont tenu.

Villaescusa-Navarro a commencé à faire ses propres calculs. Son doute portait avant tout sur la façon dont l’apprentissage automatique lui-même fonctionnait. “Une chose à propos des réseaux de neurones est qu’ils sont incroyables pour trouver des corrélations, mais ils peuvent également détecter des artefacts numériques”, a-t-il déclaré. Un paramètre était-il erroné ? Y avait-il un bug dans le code ? Villaescusa-Navarro a écrit son propre programme, pour poser le même genre de question qu’il avait assignée à Ding : Que pouvaient dire les informations sur une galaxie sur l’univers dans lequel elle résidait ? Même lorsqu’on lui a demandé par un programme différent, écrit à partir de zéro, la réponse était toujours la même. Cela suggérait que le résultat attrapait quelque chose de réel.

“Mais nous ne pouvions pas simplement publier cela”, a déclaré Villaescusa-Navarro. « Nous devions essayer de comprendre Pourquoi cela pourrait fonctionner. cela fonctionnait pour de petites galaxies, et pour de grandes galaxies, et pour des galaxies avec des caractéristiques très différentes ; ce n’est que pour une petite poignée de galaxies excentriques que le travail n’a pas tenu. Pourquoi?

La recette pour créer un univers est de commencer avec beaucoup d’hydrogène, un peu d’hélium, un peu de matière noire et un peu d’énergie noire. La matière noire a une masse, comme la matière que nous connaissons, mais elle ne réfléchit ni n’émet de lumière, nous ne pouvons donc pas la voir. Nous ne pouvons pas non plus voir l’énergie noire, mais nous pouvons penser qu’elle fonctionne dans la direction opposée à la gravité. La matière de l’univers, via la gravité, le pousse à se contracter ; l’énergie noire de l’univers le pousse à s’étendre.

La matière oméga est un paramètre cosmologique qui décrit la quantité de matière noire présente dans l’univers. Avec d’autres paramètres, il contrôle l’expansion de l’univers. Plus sa valeur est élevée, plus la croissance de l’univers sera lente. L’une des hypothèses du groupe de recherche pour expliquer leurs résultats est, en gros, que la quantité de matière noire dans un univers a un effet très fort sur les propriétés d’une galaxie – un effet plus fort que d’autres caractéristiques. Pour cette raison, même une galaxie pourrait avoir quelque chose à dire sur la matière oméga de son univers parent, puisque la matière oméga est corrélée à ce qui peut être décrit comme la densité de matière qui fait qu’une galaxie s’agglutine.

En décembre, Genel, un expert de la formation des galaxies, a présenté les résultats préliminaires de l’article au groupe de formation des galaxies auquel il appartient au Center for Computational Astrophysics, à New York. “C’était vraiment l’une des choses les plus amusantes qui me soient arrivées”, a-t-il déclaré. Il m’a dit que tout expert en formation de galaxies ne pouvait avoir d’autre première réaction que de penser, c’est impossible. Une galaxie est, à l’échelle d’un univers, à peu près aussi importante qu’un grain de sable, par rapport à la taille de la Terre. Penser que tout seul il peut dire quelque chose d’aussi substantiel est, pour la majorité de la communauté astrophysique, extrêmement surprenant, d’une manière analogue à la découverte que chacune de nos cellules – d’une cellule de l’ongle à une cellule du foie – contient un codage décrivant tout notre corps. (Bien que peut-être pour la façon poétique de penser – voir le monde dans un grain de sable – la surprise est que c’est surprenant.)

Rachel Somerville, une astrophysicienne qui était à la conférence, a rappelé la réaction initiale comme étant “du scepticisme, mais un scepticisme respectueux, puisque nous savions qu’il s’agissait de chercheurs sérieux”. Elle se souvient avoir été surprise que l’approche ait même été essayée, car il semblait si peu probable que cela fonctionne. depuis, les chercheurs partagent leur codage et leurs résultats avec des experts du domaine ; les résultats sont considérés comme crédibles et convaincants, bien que les hésitations que les auteurs eux-mêmes ont à propos des résultats demeurent.

Les résultats ne sont pas “robustes” – pour l’instant, l’ordinateur ne peut faire des prédictions valables que sur le type d’univers sur lequel il a été entraîné. même dans CHAMEAUX, il existe deux variétés de simulations et, si la machine est formée sur une variété, elle ne peut pas être utilisée pour faire des prédictions pour les galaxies de l’autre variété. Cela signifie également que les résultats ne peuvent pas être utilisés pour faire des prédictions sur l’univers dans lequel nous vivons, du moins pas encore.

Villaescusa-Navarro m’a dit : « C’est un très beau résultat, je sais que je ne devrais pas dire ça de mon propre travail. Mais qu’est-ce que la beauté pour un astrophysicien ? « Il s’agit d’un lien inattendu entre deux choses qui semblaient ne pas être liées. Dans ce cas, cosmologie et formation de galaxies. Il s’agit de quelque chose de caché qui est révélé.

.

Leave a Comment