Algoritma Kecerdasan Buatan Membantu Memetakan Alam Semesta

Algoritma Kecerdasan Buatan Membantu Memetakan Alam Semesta

Sebuah studi yang baru diterbitkan menjelaskan algoritma kecerdasan buatan tim astronom yang dikembangkan untuk membantu mereka memetakan dan menjelaskan struktur dan dinamika alam semesta di sekitar kita.

Astronom di Jerman telah mengembangkan algoritma kecerdasan buatan untuk membantu mereka memetakan dan menjelaskan struktur dan dinamika alam semesta di sekitar kita dengan akurasi yang belum pernah terjadi sebelumnya. Tim bandar bola yang dipimpin oleh Francisco Kitaura dari Institut Leibniz untuk Astrofisika di Potsdam, melaporkan hasil mereka di jurnal Pemberitahuan Bulanan Royal Astronomical Society.

Para ilmuwan secara rutin menggunakan teleskop besar untuk memindai langit, memetakan koordinat dan memperkirakan jarak ratusan ribu galaksi dan memungkinkan mereka untuk membuat peta struktur skala besar Alam Semesta. Tetapi distribusi yang para astronom lihat sangat menarik dan sulit dijelaskan, dengan galaksi membentuk ‘web kosmik’ yang kompleks yang menunjukkan kelompok, filamen yang menghubungkan mereka, dan wilayah kosong yang besar di antaranya.

Kekuatan pendorong untuk struktur yang kaya seperti itu adalah gravitasi. Gaya ini berasal dari dua komponen; pertama 5% dari alam semesta yang tampaknya terbuat dari materi ‘normal’ yang membentuk bintang, planet, debu dan gas yang dapat kita lihat dan kedua, 23% yang terdiri dari materi ‘gelap’ yang tidak terlihat. Bersamaan dengan ini, sekitar 72% dari kosmos terdiri dari ‘energi gelap’ misterius yang bukannya mengeluarkan tarikan gravitasi dianggap bertanggung jawab untuk mempercepat perluasan alam semesta. Bersama-sama ketiga konstituen ini dijelaskan dalam model Lambda Cold Dark Matter (LCDM) untuk kosmos, titik awal untuk kerja tim Potsdam.

Pengukuran panas sisa dari Big Bang – yang disebut Cosmic Microwave Background Radiation atau CMBR yang dipancarkan 13700 juta tahun lalu – memungkinkan para astronom untuk menentukan gerakan Kelompok Lokal, gugus galaksi yang meliputi Bima Sakti, galaksi kita Astronom mencoba untuk mendamaikan gerakan ini dengan yang diprediksi oleh distribusi materi di sekitar kita dan gaya gravitasinya yang terkait, tetapi ini dikompromikan oleh kesulitan memetakan materi gelap di wilayah yang sama.

“Menemukan distribusi materi gelap yang terkait dengan katalog galaksi seperti mencoba membuat peta geografis Eropa dari citra satelit pada malam hari yang hanya menunjukkan cahaya yang berasal dari daerah padat penduduk”, kata Dr Kitaura.

Untuk mencoba memecahkan masalah ini ia mengembangkan algoritma baru berdasarkan kecerdasan buatan (AI). Ini dimulai dengan fluktuasi kepadatan alam semesta yang terlihat di CMBR, kemudian memodelkan cara materi itu runtuh menjadi galaksi saat ini selama 13 miliar tahun berikutnya. Hasil dari algoritma AI sangat cocok untuk distribusi dan pergerakan galaksi yang diamati.

Dr Kitaura berkomentar, “Perhitungan tepat kami menunjukkan bahwa arah gerak dan 80% kecepatan galaksi yang membentuk Kelompok Lokal dapat dijelaskan oleh gaya gravitasi yang muncul dari materi hingga 370 juta tahun cahaya. Sebagai perbandingan, Galaksi Andromeda, anggota terbesar dari Kelompok Lokal, berjarak hanya 2,5 juta tahun cahaya jauh sehingga kita melihat bagaimana distribusi materi pada jarak yang jauh mempengaruhi galaksi jauh lebih dekat ke rumah.

‘Hasil kami juga sesuai dengan prediksi model LCDM. Untuk menjelaskan sisa 20% dari kecepatan, kita perlu mempertimbangkan pengaruh materi hingga sekitar 460 juta tahun cahaya, tetapi pada saat ini data kurang dapat diandalkan pada jarak yang sangat jauh.

“Terlepas dari peringatan ini, model kami adalah langkah maju yang besar. Dengan bantuan AI, kita sekarang dapat memodelkan alam semesta di sekitar kita dengan akurasi yang belum pernah ada sebelumnya dan mempelajari bagaimana struktur terbesar dalam kosmos terbentuk. ”