Si cree que una galaxia es grande, compare con el tamaño del universo: es simplemente un pequeño punto que crea grupos con una gran cantidad de otros pequeños puntos que se combinan en supercluster, lo que resulta en el filamento del vacío con los filamentos con vacíos, un gran esqueleto 3D de nuestro universo.
Si le da un vértigo y se pregunta cómo alguien puede entender o incluso “ver” algo tan amplio que la respuesta es: no es fácil. Los científicos combinan la física del universo con los datos de instrumentos astronómicos y modelos teóricos como EFTOFL (teoría de campo efectiva de la estructura a gran escala). Alimentarse con observación, estos modelos están describiendo estadísticamente la “red cósmica” y permitiendo estimar sus parámetros originales.
Sin embargo, modelos como EFTOFLSS exigen mucho tiempo y recursos informáticos. Dado que nuestros conjuntos de datos astronómicos de eliminación están aumentando significativamente, necesitamos formas de aligerar el análisis sin perder nuestra precisión. Es por eso que los emuladores existen: “imitar” cómo reaccionan a los modelos pero funcionan más rápido.
Dado que es un “atajo”, ¿cuál es el riesgo de perder precisión? Entre otros, un equipo internacional, incluido INAF (Italia), la Universidad de Parma (Italia) y la Universidad de Waterloo (Canadá), se ha publicado en el Journal of Cosmology and Astro Particical Physics (JCAP), que han probado por intento emulador. El intento que lo muestra. JL proporciona la misma precisión que el modelo que imita incluso los detalles sutiles, a veces mientras se ejecuta en unos minutos en lugar de una súper computadora.
“Imagine que un vaso de contenido de agua a nivel de su material microscópico es estudiar, separar átomos o más pequeños: puede por teoría. Pero si queremos describir lo que sucede cuando movemos el agua, el crecimiento explosivo del cálculo necesario lo hace imposible”, Jal Boni, la Universidad de Investigación de una Universidad de Investigación y el primer autor de su Universidad de Investigación. “Sin embargo, puede codificar características específicas a nivel microscópico y ver sus efectos a nivel macroscópico, a saber, el movimiento del fluido de vidrio. Hace una teoría de campo efectiva, es decir, un modelo como EFTFLS, donde el agua es a gran escala y compones microscópicos.
El modelo teórico explica estadísticamente la estructura que da a luz a los datos recopilados: las observaciones astronómicas se alimentan con el código, que calcula una “predicción”. Sin embargo, requiere tiempo y suficiente recuento. Dar el volumen de datos de hoy, y de las encuestas que simplemente comenzarán o pronto (como Desi, que ya han lanzado sus primeros datos y euclides), no es completamente práctico hacerlo cada vez.
“Es por eso que ahora volvemos a emuladores como nosotros, lo que se puede cortar el tiempo y los recursos severamente”, dijo Bonnie More. Un emulador básicamente duplica lo que hace el modelo: el núcleo es una red neuronal que ya ha aprendido a conectar los parámetros de entrada al pronóstico del modelo para la computadora. La red está entrenada en la salida del modelo y después del entrenamiento, puede generalizarse en combinación con parámetros que no la han visto. El emulador no entiende la física en sí: sabe muy bien las reacciones del modelo teórico y puede adivinar cuál es la salida para la nueva entrada. La originalidad de JL es que se utiliza para reducir el episodio de entrenamiento creando el conocimiento del algoritmo ya contenido en cómo cambian los parámetros. Los esfuerzos. Los gradientes de JL también usan, por ejemplo, “cuánto y en qué” se cambian las predicciones si tuitea una pequeña cantidad de parámetro, otro ingrediente que ayuda al emulador a aprender de menos ejemplos, reducir los requisitos de cálculo y permitir que se ejecute en máquinas más pequeñas.
Una herramienta como esta requiere una validez extensa: si el emulador no conoce la física, ¿qué tan seguros estamos seguros de que su atajo da la respuesta correcta (por ejemplo, el modelo dará la misma manera)? La respuesta de estudio recientemente publicada es exactamente lo que es. La precisión de JL, tanto los datos simulados como los reales, están en estrechos contratos con el modelo. “Y en algunos casos, donde tienes que recortar la parte del análisis con el modelo, con el esfuerzo, hemos podido incluir esas piezas faltantes”, terminó Bonnie. Los intentos. Jl surgió así como un valioso aliado para el análisis de la liberación de datos de pruebas como Native y Euclid, que promete profundizar nuestro conocimiento sobre el universo en escalas a gran escala.
“Intento.jl: un emulador rápido y distinguido para la teoría de campo efectiva de la estructura de tamaño más grande del universo” está disponible por Marco Bonny, Guido d’Emmo, Julien Bell y Carmelita Carbone Journal of Cosmology and Astro Partical Física (JCAP)El
