Mentre i cosmologi meditano sull'universo e su altri possibili universi, i dati a loro disposizione sono così complessi e vasti che possono essere estremamente difficili da comprendere per gli umani da soli.

Nell'applicare i principi scientifici utilizzati per creare modelli per comprendere la biologia cellulare e la fisica alle sfide della cosmologia e dei big data, I ricercatori della Cornell hanno sviluppato un algoritmo promettente per mappare un insieme sfaccettato di probabilità.

Il nuovo metodo, che i ricercatori hanno usato per visualizzare i modelli dell'universo, potrebbe aiutare a risolvere alcuni dei più grandi misteri della fisica, come la natura dell'energia oscura o le probabili caratteristiche di altri universi.

"La scienza funziona perché le cose si comportano molto più semplicemente di quanto avrebbero diritto, " disse James Sethna, professore di fisica e autore senior di "Visualizzazione di modelli probabilistici con analisi intensiva delle componenti principali, " che ha pubblicato online il 24 giugno nel Atti dell'Accademia Nazionale delle Scienze . "Cose molto complicate finiscono per comportare comportamenti collettivi piuttosto semplici".

Quella, Egli ha detto, è perché non tutti i fattori in un sistema sono significativi. Per esempio, milioni di atomi possono essere coinvolti in una collisione fisica, ma il loro comportamento è determinato da un numero relativamente piccolo di costanti. Dati sull'universo raccolti da potenti telescopi, però, ha così tanti parametri che può essere difficile per i ricercatori capire quali misurazioni sono più importanti per rivelare approfondimenti.

L'algoritmo, sviluppato dalla prima autrice Katherine Quinn, SM. '16, dottorato di ricerca '19—consente ai ricercatori di immaginare un ampio insieme di probabilità per cercare schemi o altre informazioni che potrebbero essere utili—e fornisce loro una migliore intuizione per comprendere modelli e dati complessi.

"Poiché disponiamo di set di dati molto più grandi e migliori, con terabyte e terabyte di informazioni, diventa sempre più difficile dar loro un senso, "Quinn ha detto. "Una persona non può semplicemente sedersi e farlo. Abbiamo bisogno di algoritmi migliori in grado di estrarre ciò che ci interessa, senza che gli venga detto cosa cercare. Non possiamo semplicemente dire, "Cerca universi interessanti." Questo algoritmo è un modo per districare le informazioni in un modo che può rivelare l'interessante struttura dei dati".

A complicare ulteriormente il compito dei ricercatori è stato il fatto che i dati consistono in intervalli di probabilità, piuttosto che immagini o numeri grezzi. "È un problema più complicato da gestire, " ha detto Quinn.

La loro soluzione sfrutta diverse proprietà delle distribuzioni di probabilità per visualizzare un insieme di cose che potrebbero accadere. Oltre alla cosmologia, il loro modello ha applicazioni per l'apprendimento automatico e la fisica statistica, che funzionano anche in termini di previsioni.

Per testare l'algoritmo, i ricercatori hanno utilizzato i dati del satellite Planck dell'Agenzia spaziale europea, e lo ha studiato con il coautore Michael Niemack, professore associato di fisica, il cui laboratorio sviluppa strumenti per studiare la formazione e l'evoluzione dell'universo misurando la radiazione a microonde. Hanno applicato il modello ai dati sullo sfondo delle microonde cosmiche, le radiazioni rimaste dai primi giorni dell'universo.

Il modello ha prodotto una mappa che descrive le possibili caratteristiche di diversi universi, di cui il nostro universo è un punto. Questo nuovo metodo di visualizzazione delle qualità del nostro universo evidenzia la struttura gerarchica del modello dominato dall'energia oscura e dalla materia oscura che si adatta così bene ai dati cosmici di fondo delle microonde. Mentre la struttura non è sorprendente, queste visualizzazioni presentano un approccio promettente per ottimizzare le misurazioni cosmologiche in futuro, disse Niemack.

Prossimo, i ricercatori cercheranno di espandere questo approccio per consentire più parametri per ciascun punto dati. La mappatura di tali dati potrebbe rivelare nuove informazioni sul nostro universo, altri possibili universi o energia oscura, che sembra essere la forma di energia dominante nel nostro universo ma di cui i fisici sanno ancora poco.

"Usiamo solo modelli grezzi per spiegare cosa potrebbe essere l'energia oscura, o come potrebbe evolversi nel tempo, " ha detto Niemack. "Ci sono tutta una serie di parametri diversi che potrebbero essere aggiunti ai modelli, e quindi potremmo visualizzarli e decidere quali sono le misurazioni importanti a cui dare la priorità, per cercare di capire quale modello di energia oscura descrive meglio il nostro universo."