Загадочная темная материя, о составе которой человечество почти ничего не знает, играет ключевую роль в формировании структуры Вселенной. Тем важнее понимать, как она распределяется вокруг нашей Галактики. Проблема только в том, что на сравнительно небольших расстояниях ее трудно зафиксировать. Поэтому на помощь астрофизикам пришли нейросети, благодаря которым удалось создать первую детализированную карту нитей темной материи вокруг Млечного Пути.

Четыре пятых всей материи во Вселенной представлены загадочной субстанцией, о свойствах которой наука пока только догадывается. Единственное, что мы знаем наверняка: она участвует в гравитационных взаимодействиях и определяет масштабную структуру обозримого мира. За свое распределение в виде нитей, на которые, словно исполинские бусины, насажены галактики, она получила название «космическая паутина». Проблема только в одном: темную материю легко наблюдать на большом удалении, а в близких областях Вселенной ее затмевает излучение «обычного» (барионного) вещества.

Но команда астрофизиков из США и Южной Кореи нашла решение, позволяющее, если не наблюдать напрямую, то хотя бы достоверно смоделировать распределение темной материи в радиусе 100 мегапарсек (около 326 миллионов световых лет) от Млечного Пути. В своем подходе они использовали нейросети, модели крупномасштабной структуры Вселенной, а также данные о физических параметрах (масса, скорость и направление вращения) ближайших к нам галактик. Результаты расчетов и вся методология опубликованы в журнале The Astrophysical Journal. Поскольку статья «подзамочная», с неотрецензированной версией можно ознакомиться на портале препринтов arXiv.org.

Распределение темной материи в окрестностях Сверхскопления Девы (Virgo Cluster), где находится Млечный путь. Три изображения — три проекции. Показанная область охватывает куб вселенной со стороной в 40 мегапарсек / ©Sungwook E. Hong et. al, Revealing the Local Cosmic Web from Galaxies by Deep Learning, https://doi.org/10.3847/1538-4357/abf040

Теоретически рассчитать распределение темной материи в Сверхскоплении Девы (куда входит Млечный Путь) и его окрестностях достаточно просто. Нужно лишь взять самые подробные данные о масштабной структуре Вселенной, детализировать как можно больше параметров космической паутины и экстраполировать информацию на меньшие масштабы. Для чего необходимы точные сведения о том, куда и с какой скоростью движутся галактики неподалеку от нас, а также их масса. Проблема только в колоссальной вычислительной мощности, требуемой для такого моделирования.

Поэтому астрофизики применили технологии искусственного интеллекта, упростившего вычисления для них. Нейросети обучили на огромных объемах данных об удаленных объектах, а затем использовали для моделирования относительно близких регионов космоса. В результате получилась подробная и максимально достоверная карта распределения темной материи на беспрецедентно малых масштабах. Иными словами, ученые впервые получили модель нитей космической паутины вокруг Млечного Пути.

Сравнение симуляции при помощи нейросетей с фактическими данными, на которых они обучались. На изображении три ряда — разные проекции одного и того же отдаленного региона космической паутины. Столбцы слева направо: известные галактики, те из них, для которых известна относительная скорость (пекулярная), реальное распределение темной материи, моделирование на основе всех доступных данных в симуляции TNG300, моделирование без учета пекулярной скорости / ©Sungwook E. Hong et. al, Revealing the Local Cosmic Web from Galaxies by Deep Learning, https://doi.org/10.3847/1538-4357/abf040

Эту модель предстоит не раз уточнить и проверить на практике, когда у человечества появятся более чувствительные инструменты. В числе прочего авторы работы надеются на данные с космического телескопа Джеймса Уэбба, который должен увидеть огромное количество карликовых галактик неподалеку от Млечного Пути. За счет своей сравнительно небольшой массы такие объекты более чувствительны к мелким деталям космической паутины и расскажут много нового о ее структуре на небольших масштабах.

источник