.AI breakthrough unlocks hidden patterns in the universe’s structure
http://blog.naver.com/mssoms
http://jl0620.blogspot.com
https://www.facebook.com/junggoo.lee.54
Starship version space science
.AI breakthrough unlocks hidden patterns in the universe’s structure
AI 혁신으로 우주 구조의 숨겨진 패턴 밝혀져
뉴스의 밝은 면 조슈아 샤빗 2025년 6월 1일 일요일 오전 9시 7분 GMT+9 0 시뮬레이션 기반 은하 추론(SimBIG)으로 알려진 이 접근법은 은하 패턴에서 숨겨진 단서를 도출합니다. (출처: CC BY-SA 4.0)
시뮬레이션 기반 은하 추론(SimBIG)으로 알려진 이 접근법은 은하 패턴에서 숨겨진 단서를 도출합니다. (출처: CC BY-SA 4.0) 새로운 AI 기반 방법이 과학자들의 우주 측정 방식을 바꾸고 있습니다. 플랫아이언 연구소 연구진 과 파트너들이 개발한 이 기술은 우주의 주요 특성을 파악하는 훨씬 더 정확한 방법을 제공합니다. 시뮬레이션 기반 은하 추론(SimBIG)으로 알려진 이 접근법은 은하 패턴에서 숨겨진 단서를 끌어냅니다.
기존 기술을 뛰어넘어 이전에는 접근 불가능했던 정보를 발견해냅니다. 연구팀은 AI를 활용하여 우주 내 물질의 응집 정도와 같은 주요 매개변수의 불확실성을 절반 이하로 줄였습니다. 이러한 결과는 우주 초기의 빛을 포함한 다른 우주 측정 결과와 매우 일치합니다. Nature Astronomy 에 게재된 이 연구는 큰 도약을 의미합니다. SimBIG을 통해 연구자들은 이제 더욱 확신을 가지고 우주의 구조를 자세히 탐구할 수 있습니다.
연구의 그래픽 초록. (출처: 루시 리딩-이칸다/시몬스 재단) 연구의 그래픽 초록. (출처: 루시 리딩-이칸다/시몬스 재단)
우주론적 매개변수는 우주의 작동 방식과 구성 요소를 알려줍니다. 여기에는 암흑 에너지, 암흑 물질, 일반 물질의 양은 물론, 질량 분포와 불투명도와 같은 초기 우주적 특징도 포함됩니다. 플래티런 연구소 계산 천체물리학 센터의 연구 분석가이자 이 연구의 공동 저자인 리엄 파커는 "이러한 매개변수는 본질적으로 우주 의 '설정'으로, 가장 큰 규모에서 우주가 어떻게 작동하는지를 결정합니다."라고 말합니다. 기존 도구들은 대규모 은하 군집 분석 에 집중했습니다 .
이러한 방법들은 유용했지만, 미묘한 패턴을 놓치는 경우가 많았습니다. SimBIG은 은하 데이터를 더욱 깊이 파고들어 우주에 대한 우리의 이해를 미세하게 조정하는 작은 특징들을 포착함으로써 이러한 상황을 변화시킵니다. 이러한 정밀도의 도약은 단순한 기술적 업그레이드가 아니라, 새로운 문을 열어주는 것입니다. SimBIG은 우주의 형성, 진화, 그리고 지속적인 팽창을 연구할 수 있는 새로운 길을 열어줍니다.
프린스턴 대학 의 연구원이자 이 연구의 주저자인 창훈 한은 "우리는 아직 작은 규모까지 파고들지 못했습니다... 거기에는 추가 정보가 있지만, 그것을 추출할 좋은 방법이 없었습니다."라고 설명했습니다.
한의 해결책은 AI를 활용하여 이러한 미활용 소규모 데이터를 활용하는 것이었습니다. 그의 두 단계 계획은 먼저 시뮬레이션된 우주에서 우주론적 매개변수 값을 학습하도록 AI 모델을 훈련하는 것이었습니다. 다음 단계는 이 훈련된 모델을 실제 은하 분포 데이터에 적용하는 것이었습니다. 연구진은 훈련을 위해 CCA의 Quijote 스위트에서 각각 다른 우주론적 매개변수 값을 사용하여 생성된 2,000개의 시뮬레이션을 모델에 입력했습니다.
이렇게 시뮬레이션된 우주는 대기와 망원경으로 인한 결함을 포함하여 은하 탐사에서 얻은 실제 데이터를 모방했습니다. "시뮬레이션 횟수는 많지만, 충분히 감당할 수 있는 수준입니다."라고 한은 말합니다. 그는 AI가 없었다면 같은 결과를 얻으려면 수십만 번의 시뮬레이션이 필요했을 것이라고 덧붙입니다.
이러한 시뮬레이션을 통해 AI는 우주론적 매개변수 값과 은하 군집의 미세한 차이를 연관시키는 법을 학습했습니다. 예를 들어, AI는 개별 은하 사이의 거리를 분석하고, 세 개 이상의 은하가 모여 이루는 기하학적 모양을 관찰하여 추가 정보를 추출하는 법을 학습했습니다. AI 모델은 훈련이 완료된 후 Baryon Oscillation Spectroscopic Survey 를 통해 측정한 109,636개 은하의 실제 데이터를 사용하여 테스트되었습니다 . 기대했던 대로, AI는 소규모 및 대규모 은하 세부 정보를 모두 성공적으로 활용하여 우주론적 매개변수 추정치의 정확도를 크게 향상시켰습니다.
놀랍게도, 이 정확도는 약 4배 더 많은 은하를 사용하는 기존 분석 결과와 동일한 수준이었습니다. 이는 우주에 제한된 수의 은하가 존재하기 때문에 특히 중요합니다. CCA의 그룹 리더이자 이 연구의 공동 저자인 셜리 호는 "SimBIG은 더 적은 데이터로 더 높은 정밀도를 확보함으로써 가능성의 한계를 뛰어넘을 수 있습니다."라고 말했습니다. 호는 또한 은하계 탐사에 막대한 비용이 소요된다는 점을 고려할 때, 이러한 우주론적 매개변수 의 실질적인 중요성을 강조했습니다 .
"이러한 탐사는 각각 수억 달러에서 수십억 달러에 달합니다."라고 그녀는 말합니다. "이러한 탐사에서 최대한 많은 지식을 추출하고 우주에 대한 우리의 이해의 경계를 넓히기 위해서는 최고의 분석이 필요합니다."
이 스냅샷은 SimBIG 학습에 사용된 시뮬레이션 우주의 은하 분포(오른쪽)와 실제 우주에서 관찰된 은하 분포(왼쪽)를 비교한 것입니다. Bruno Régaldo-Saint Blancard/SimBIG 공동 연구. (출처: Simons Foundation) 이 스냅샷은 SimBIG 학습에 사용된 시뮬레이션 우주의 은하 분포(오른쪽)와 실제 우주에서 관찰된 은하 분포(왼쪽)를 비교한 것입니다. Bruno Régaldo-Saint Blancard/SimBIG 공동 연구. (출처: Simons Foundation)
SimBIG의 정밀성을 활용할 핵심 미래 응용 분야 중 하나는 허블 장력(Hubble Tension)을 다루는 것입니다. 이 우주론적 문제는 우주의 팽창 속도를 나타내는 허블 상수 추정치의 불일치를 나타냅니다. 우주에서 가장 오래된 빛의 요동 간격을 기반으로 한 추정치는 먼 은하의 초신성까지의 거리를 기반으로 한 추정치와 약 10% 차이가 납니다. 이러한 불일치는 논쟁을 불러일으켰으며, 더 깊은 이해나 심지어 새로운 물리학이 필요할 수도 있음을 시사합니다.
향후 몇 년 동안 우주에 대한 새로운 관측 자료가 온라인에 공개됨에 따라, SimBIG의 AI 기반 접근 방식은 연구자들이 허블 장력을 더욱 효과적으로 탐구 하고 추정치의 불일치를 해결할 수 있는지 여부를 판단할 수 있도록 도울 것입니다. 만약 그렇지 않다면, 우주가 우리가 아직 완전히 이해하지 못하는 물리 법칙에 따라 작동하고 있음을 시사할 수 있습니다. "만약 우리가 그 양을 매우 정확하게 측정하고 긴장감이 존재한다고 확실히 말할 수 있다면, 암흑 에너지와 우주의 팽창에 대한 새로운 물리학이 밝혀질 수 있을 것입니다."라고 한은 말합니다.
SimBIG의 우주론적 매개변수 제약 조건. (출처: Nature Astronomy) SimBIG의 우주론적 매개변수 제약 조건. (출처: Nature Astronomy) 네이처 천문학 연구는 우주론에 있어 중요한 진전을 보여줍니다. AI를 혁신적으로 활용하여 숨겨진 데이터를 추출하고 정확도를 향상시킴으로써 우주의 신비를 풀고 암흑 물질, 암흑 에너지, 그리고 우주를 형성하는 힘에 대한 지식을 발전시킬 새로운 기회를 제공합니다.
참고: 위 자료는 The Brighter Side of News 에서 제공했습니다 . 스타일과 길이에 따라 내용이 편집될 수 있습니다.
https://www.aol.com/ai-breakthrough-unlocks-hidden-patterns-000700141.html
메모 2506031255_소스1.분석중【】
1.
제한된 컴퓨팅 a성능의 AI 혁신으로 우주 구조의 숨겨진 패턴 밝혀졌다. 시뮬레이션 기반 은하 추론(SimBIG)으로 알려진 이 접근법은 은하 패턴에서 숨겨진 단서를 도출한다.
_【1】그 컴퓨팅 a성능이 만약에 양자 수퍼컴 a<<bc 성능이면 어캐되나? 또 다른 sSimbBIG가 등장하나?? 허허.
아무튼, 이 새로운 AI 기반 방법이 과학자들의 우주 측정 방식을 바꾸고 있다. 개발된 이 기술은 우주의 주요 특성을 파악하는 훨씬 더 정확한 방법을 제공한다.
_[2】msbase.galaxy는 사실상 중력파 패턴 군집을 가진다. 군집체가 역동적인 이유는 패턴이 가속도 운동을 통해 위상적 가속도 변화에 따른 질량적 변화 곧 중력의 변수가 매개변수화 되었기에 시공간은 왜곡된 채 브라운 운동으로 가속화하여 별들의 증가는 제한된 은하의 범위를 나타낸 nk2.ending에 이른다. 어허.
매우 작은 규모의 msbase를 양자 역학적으로 설명할 수 있다. 이는 ai가 막대한 재원으로 접근하는 것보다 천억배 가성비를 가진다. 이론이 완벽하기 때문에 실측정보가 사라진다. 어허.
그리하여 허블 장력(Hubble Tension)을 qcell 양자수준으로 다룬다. 이 우주론적 문제는 우주의 팽창 속도를 나타내는 허블 상수 추정치의 불일치를 나타내는데, 보기2. 처럼 약간에 불일치가 양자 얽힘(2, 0)의 암흑에너지 값 때문임을 알려준다. 물론 그 값은 보기2. 업버전에서 다른 우주를 나타낸다. 말인즉 다중우주가 존재한다는 뜻이여.
보기.
sample qoms (standard)
0000000011=2,0
0000001100
0000001100
0000010010
0001100000
0101000000
0010010000
0100100000
2000000000
0010000001
기존의 허블 장벽 개념은 우주에서 가장 오래된 빛의 요동 간격을 기반으로 한 추정치는 먼 은하의 초신성까지의 거리를 기반으로 한 추정치와 약 10% 차이가 난다. 이러한 10인제 10.000000001,11,11111..???!!! 인지 여전히 불분명한 불일치논쟁을 불러일으켰으며, 더 깊은 이해나 심지어 새로운 물리학 msbase.qpeoms 해석이 절실할 수도 있음을 시사한다. 으음.
이는 우주에 제한된 수의 은하가 존재하기 때문에 특히 중요하다. SimBIG 버전업 1억에 가늠 되어 적은 데이터로 더 높은 정밀도를 확보함으로써 우주를 이해하는 가능성 퍼팩트의 한계를 뛰어넘을 수 있음이여.
댓글