Das James Webb Weltraumteleskop zeigt einige der ältesten und entferntesten Galaxien, die je gesehen wurden (Bildnachweis: NASA, ESA, CSA und STScI)
Künstliche Intelligenz ist heutzutage in aller Munde. Wenn wir an künstliche Intelligenz denken, denken wir in der Regel an unheimliche „Deepfake“-Bilder und die schriftlichen Antworten von Chat GPT – aber auch Astronomen nutzen sie, um bedeutende Entdeckungen zu machen.
Forscher des Flatiron Institute’s Center for Computational Astrophysics (CCA) in New York City haben vor kurzem KI eingesetzt, um fünf kosmologische Parameter – die Zahlen, die das gesamte Universum in den Computersimulationen der Astronomen beschreiben – mit noch nie dagewesener Präzision zu bestimmen.
Diese Parameter können als die „Einstellungen des Universums betrachtet werden, die bestimmen, wie es in den größten Maßstäben funktioniert“, sagte der Astronom Liam Parker, ein Mitautor der neuen Arbeit, in einer Erklärung.
Mit Hilfe einer künstlichen Intelligenz extrahierte das Team diese Parameter aus einem Datensatz, der Informationen über mehr als 100.000 Galaxien enthält, die im Rahmen der ausgedehnten Sloan Digital Sky Survey (SDSS) beobachtet wurden. Massive Durchmusterungen wie SDSS sind für das Verständnis des Universums als Ganzes von entscheidender Bedeutung. Indem sie untersuchen, wie sich Galaxien im Weltraum anhäufen, können Astronomen die Werte von Parametern eingrenzen, die beschreiben, wie viel dunkle Materie im Universum vorhanden ist, wie das Universum direkt nach dem Urknall aussah und vieles mehr.
„Jede dieser Durchmusterungen kostet Hunderte von Millionen bis Milliarden von Dollar“, so die Mitautorin und CCA-Astronomin Shirley Ho in der Mitteilung. „Der Hauptgrund für diese Durchmusterungen ist, dass wir diese kosmologischen Parameter besser verstehen wollen. Wenn man also ganz praktisch darüber nachdenkt, sind diese Parameter jeweils mehrere zehn Millionen Dollar wert. Man will die bestmögliche Analyse, um so viel Wissen wie möglich aus diesen Durchmusterungen herauszuholen und die Grenzen unseres Verständnisses des Universums zu erweitern.“
Mit einer großen Durchmusterung geht eine große Menge an Daten einher, und Astronomen haben sich Gedanken darüber gemacht, wie sie aus diesem Berg an Informationen das meiste herausholen können. Der Ansatz des CCA-Teams nutzte KI, um kleinräumige Details in der Verteilung von Galaxien im Universum zu analysieren – etwas, das zuvor noch nie gemacht wurde, da sich frühere Arbeiten nur auf großräumige Trends konzentrierten.
„Seit ein paar Jahren wissen wir, dass es dort zusätzliche Informationen gibt; wir hatten nur keine gute Möglichkeit, sie zu extrahieren“, sagte der Princeton-Astronom und Hauptautor Chang Hoon Hahn in der Mitteilung.
Um ein KI-Modell nutzbar zu machen, muss man ihm zunächst beibringen, wonach es suchen soll – ähnlich wie man einem angehenden Astronomiestudenten beibringt, ein gutes Gespür für Physik zu entwickeln, damit er in der Lage ist, Muster in seinen Problemstellungen zu erkennen.
Für dieses Training erstellten Hahn und seine Mitarbeiter 2.000 simulierte Universen mit jeweils unterschiedlichen kosmologischen Einstellungen. Wichtig war, dass sie wussten, welche kosmologischen Werte in jeder dieser Simulationen verwendet wurden, so dass die KI wusste, was die richtige Antwort war. Die Simulationen enthielten auch reale Herausforderungen, die bei der Durchmusterung von Galaxien auftreten, wie z. B. Unschärfe durch die Atmosphäre oder einen unvollkommenen Teleskopspiegel, um sicherzustellen, dass das Training der KI realistisch war.
Nachdem das Modell sein Trainingslager absolviert hatte, fütterte das Team es mit echten Daten aus dem SDSS Baryon Oscillation Spectroscopic Survey, und die Ergebnisse waren verblüffend. So bestimmte die KI-Methode beispielsweise den Parameter, der die „Klumpigkeit“ des Universums beschreibt, mit weniger als der Hälfte der Unsicherheit herkömmlicher Methoden.
Diese Methode war „gleichwertig mit einer traditionellen Analyse, bei der etwa viermal so viele Galaxien verwendet wurden“, heißt es in der Erklärung, die es den Astronomen ermöglicht, mit weniger Daten mehr zu erreichen und die Grenzen des Möglichen zu erweitern.
Und die KI war entscheidend, um dies zu ermöglichen. „Ohne das maschinelle Lernen bräuchte man Hunderttausende von Simulationen, eine praktisch unüberwindbare Zahl“, so Hahn in der Mitteilung.
Eine bessere Kenntnis der grundlegenden Einstellungen des Universums könnte sogar dazu beitragen, ein großes kosmisches Rätsel zu lösen: Die Hubble-Spannung, bei der verschiedene Experimente unterschiedliche Werte für die Hubble-Konstante schätzen, die beschreibt, wie schnell das Universum expandiert. Angesichts neuer Durchmusterungen wie der europäischen Euclid-Durchmusterung werden Methoden wie dieser KI-gestützte Algorithmus von entscheidender Bedeutung sein, um das Beste aus diesen neuen Daten herauszuholen.
Diese Studie wurde am 21. August in Nature Astronomy veröffentlicht.
