Набор свойств отдельной галактики позволил ограничить среднюю плотность материи во Вселенной

Астрофизики разработали алгоритм машинного обучения, предсказывающий космологические параметры по свойствам отдельных галактик. Оказалось, что знание набора астрофизических свойств индивидуальной галактики позволяет ограничить глобальный космологический параметр плотности материи во Вселенной (при фиксированной плотности барионного вещества) с относительным разбросом около 10 процентов. При этом, как отмечают авторы в препринте на arXiv.org, этот результат не зависит от конкретной массы, размеров и типа галактики.

Космология описывает Вселенную как единое целое — в терминах глобальных фундаментальных свойств и усредненных величин, которые определяют поведение нашего мира. Несмотря на то, что считать наш мир совсем однородным и цельным можно лишь на самых крупных масштабах (порядка размера сверхскоплений галактик), космологические параметры влияют и на свойства объектов меньшего размера. На сегодняшний день не вполне ясно, до каких пор сохраняется это влияние — насколько маленькие астрофизические системы продолжают хранить информацию о космологических величинах и исчезает ли вообще эта информация на каких-либо масштабах.

Ученые из Великобритании, Германии и США под руководством Франциско Вильяескуза-Наварро (Francisco Villaescusa-Navarro) из института Флатирон в Нью-Йорке решили выяснить, какие космологические параметры и с какой точностью можно определить исходя из астрофизических наблюдений на масштабе отдельной галактики. Для этого физики использовали набор из 1000 гидродинамических симуляций, каждая из которых была представлена в двух вариантах: с использованием двух независимых программных пакетов.

Каждая симуляция описывала эволюцию 33,5 миллиона частиц, моделирующих материю, в сопутствующем космологическом объеме с современным линейным размером порядка 37 мегапарсек (типичное расстояние между соседними галактиками — порядка мегапарсека) в диапазоне красных смещений от z=127 до z=0, то есть до современного состояния. В симуляциях варьировались космологические параметры современной средней плотности материи и среднеквадратичной флуктуации этой плотности, усредненной по объему. Параметр плотности барионного вещества (то есть обычной, не темной материи) при этом оставался фиксированным.

По итогам каждой симуляции уплотнения в итоговой структуре, которые содержали более 20 модельных частиц, обозначающих звездное вещество, идентифицировались как галактики. Для каждой из галактик физики определяли 14 основных астрофизических параметров, описывающих массу различных компонент галактики (центральной черной дыры, газа, звезд и полную с учетом темной материи), орбитальную скорость и ее характерный разброс в пределах галактического гало, химический состав звезд и газа, скорость звездообразования, характерные размеры и собственное движение галактики (поступательное и вращательное). В одном из двух программных пакетов дополнительно определялась яркость каждой галактики в трех диапазонах. При этом авторы избегали деления на какие-либо подгруппы и в дальнейшем не различали спутниковые галактики от центральных, крупные по размерам от небольших и массивные от карликовых.

Симуляции исследователи случайным образом разделили на три подмножества: тренировочный набор из 850 симуляций, набор для валидации — из 100, и тестовый — из оставшихся 50. На первых двух наборах симуляций физики обучали алгоритм предсказывать математическое ожидание и стандартное отклонение глобальных космологических параметров по набору астрофизических параметров отдельной галактики, а на третьем — тестировали работу алгоритма, сравнивая оценку параметров с реально заложенными значениями.

Для количественной оценки результатов ученые каждый раз вычисляли относительный разброс параметра (отношение стандартного отклонения к математическому ожиданию) и точность (разницу между реально заложенным значением и математическим ожиданием). Чтобы избавиться от искажений, которые связаны с выбором конкретной галактики (поскольку прогноз может получиться удачным по чистой случайности), авторы усредняли эту величину по всем галактикам, образовавшимся в рамках одной симуляции.

В результате алгоритм научился предсказывать параметр плотности материи по набору астрофизических параметров индивидуальной галактики, находящейся в пределах красного смещения z<3, со средним относительным разбросом в 10–15 процентов и средней точностью (отклонением от реально заложенного в симуляции значения) около 0,034–0,042 в диапазоне значений самого параметра 0,1–0,5.

При этом линейные корреляции между параметром плотности материи и отдельными астрофизическими свойствами оказались довольно слабыми: абсолютное значение коэффициента линейной корреляции не превышало 0,31 при использовании первого программного пакета и 0,55 при использовании второго, а корреляция с массой отдельных компонент, скоростью звездообразования и химическим составом галактик была практически нулевой в обоих случаях. Наиболее заметный эффект от изменения плотности материи наблюдался в зависимости между максимальной орбитальной скоростью в галактическом гало и звездной массы галактики, однако и этих двух параметров отдельно от остальных оказалось недостаточно, чтобы адекватно предсказывать плотность. По словам авторов, это исключает построение простой линейной модели, которая бы по наблюдениям за отдельной галактикой могла бы спрогнозировать космологическую плотность материи и требует более сложного подхода.

Параметр среднеквадратичной флуктуации плотности материи при этом определить не удалось — типичная статистическая ошибка прогноза покрывала практически весь диапазон доступных значений параметра и делала результат неинформативным. Как полагают исследователи, это вызвано тем, что последний параметр влияет лишь на амплитуды начальных флуктуаций плотности в моделируемом объеме — на выходе симуляции это может конвертироваться в долю наиболее массивных галактик среди остальных, что невозможно отследить, наблюдая за одной галактикой.

Авторы подчеркивают, что фактически космологические параметры накладывают ограничения на астрофизические параметры галактик не по отдельности, а выделяют допустимую область их изменения в многомерном параметрическом пространстве. Поэтому, чтобы научиться надежно проверять космологию подобным методом, требуется более тщательный теоретический анализ и дальнейшие компьютерные симуляции. Кроме того, чтобы избежать неправильных выводов, нужно варьировать в симуляциях более широкий набор параметров и отслеживать эффекты, которые мимикрируют под эффект изменения космологической плотности материи, хотя имеют другую физическую природу.

Разумеется, это не первое применение машинного обучения в астрофизике. Год назад мы писали о том, как с помощью нейросети астрономы нашли более тысячи кандидатов в гравитационные линзы, а в 2019 — рассказывали, как нейросеть разобралась в структуре штормов на Сатурне.

Николай Мартыненко