El Instituto de Astrofísica de Canarias (IAC) lideró el desarrollo de un nuevo procedimiento numérico para reproducir el medio intergaláctico obtenido a partir de una simulación cosmológica de 100.000 horas de computación utilizando técnicas de big data y aprendizaje automático. Gracias a este algoritmo, llamado Hydro-BAM, los investigadores han podido explotar la jerarquía en la relación entre las propiedades de la materia oscura, el gas ionizado y el hidrógeno neutro intergaláctico, ingredientes que componen la estructura a gran escala de nuestro universo.

La investigación reprodujo con alta precisión los llamados bosques de Lyman-alfa, un patrón de líneas en los espectros de galaxias distantes y cuásares que se produce cuando la luz emitida por estos objetos es absorbida por nubes de gas hidrógeno a lo largo de su trayectoria. El análisis de estos bosques es fundamental para avanzar en nuestra comprensión del universo como un todo. El estudio ha dado lugar a la publicación de dos artículos en The Astrophysical Journal .

Las observaciones actuales parecen indicar que todo en nuestro universo está dominado por materia oscura y energía oscura, que son mucho más abundantes que la materia convencional o bariónica. La materia bariónica representa solo el 5% de la masa total del universo. Por el contrario, la materia oscura constituye aproximadamente el 27% del cosmos. El 68 % restante está compuesto por energía oscura, que no solo es responsable de la expansión del universo, sino también de su constante aceleración.

El modelo cosmológico estándar asume que la organización del universo en sus escalas más grandes depende de la interacción de estos ingredientes. De hecho, las simulaciones numéricas de vanguardia actuales están comenzando a proporcionar un modelo realista de estos procesos. Sin embargo, sigue habiendo un gran número de incertidumbres.

Para obtener predicciones teóricas fiables, los científicos necesitan realizar grandes conjuntos de simulaciones numéricas que cubran un gran volumen cosmológico y se basen en diferentes modelos posibles que incluyan todos los procesos físicos relevantes. Estos "universos virtuales" sirven como bancos de pruebas para el estudio de la cosmología. Sin embargo, las simulaciones son computacionalmente costosas y las instalaciones informáticas actuales solo pueden explorar pequeños volúmenes cósmicos en comparación con los volúmenes cubiertos por las campañas de observación actuales y futuras.

Big data e IA para decodificar el universo

Una colaboración entre un equipo del Instituto de Astrofísica de Canarias (IAC), liderado por Francisco-Shu Kitaura, y otro de la Universidad de Osaka, liderado por Kentaro Nagamine, ha desarrollado nuevas estrategias que permiten recrear modelos computacionales rápidos y detallados en la formación y evolución del universo.

"Estamos haciendo un esfuerzo especial para desarrollar técnicas de aprendizaje automático para acelerar todo el proceso, ahorrar costos computacionales y ejecutar de manera eficiente muchas de estas simulaciones", dijo Francesco Sinigaglia, Ph.D. estudiante de la Universidad de La Laguna (Tenerife, España) y del IAC y de la Universidad de Padua (Italia), primer autor de ambas publicaciones.

En concreto, el equipo del IAC ha desarrollado un novedoso algoritmo denominado Hydro-BAM, que combina conceptos avanzados de teoría de la probabilidad, aprendizaje automático y cosmología. El algoritmo produce predicciones precisas en solo unas pocas decenas de segundos que son equivalentes a las simulaciones hidrodinámicas más costosas, que toman aproximadamente 100 000 horas en una supercomputadora. “El algoritmo consta de unas 100.000 líneas de código escritas en el IAC fruto del esfuerzo de años de trabajo de unos pocos investigadores, aproximadamente el mismo número que la primera versión de Photoshop”, señala Francisco-Shu Kitaura, investigador del IAC.

“El objetivo de estos estudios es afinar nuestra comprensión de la estructura a gran escala del universo e inferir información sobre su evolución a lo largo del tiempo cósmico mediante el modelado y la observación de cantidades bariónicas”, dice Andrés Balaguera Antolínez, investigador del IAC y uno de los principales desarrolladores del código Hydro-BAM. "Nuestros métodos tienen como objetivo reproducir el universo observado a través de una evaluación detallada de los diferentes y complejos vínculos estadísticos entre la distribución tridimensional de la materia oscura y la materia visible, como las galaxias y el gas intergaláctico".

Árboles de gas que revelan el bosque cósmico

Usando este nuevo procedimiento computacional, los investigadores abordaron la conexión con el universo observable. "Hemos realizado un análisis exhaustivo de posprocesamiento de nuestras simulaciones hidrodinámicas al poner millones de observadores virtuales para modelar el bosque Lyman-alfa observado en la absorción de las líneas de visión de los cuásares", describe Ikkoh Shimuzu, anteriormente de la Universidad de Osaka (ahora en Shikoku Universidad de Gakuin).

Este patrón se produce cuando "árboles" de gas hidrógeno, dispersos por todo el universo, absorben la luz emitida por estos objetos distantes. De esta forma, los científicos pueden ver distintas líneas de absorción correspondientes a nubes a diferentes distancias y, por lo tanto, mostrar diferentes edades del universo, además de proporcionar información sobre el medio intergaláctico.

"El gran avance se produjo cuando comprendimos que las conexiones entre las cantidades de gas intergaláctico, materia oscura e hidrógeno neutro que estábamos tratando de modelar están bien organizadas de forma jerárquica", dice Sinigaglia. “El gas ionizado tiene una distribución en el espacio muy similar a la de la materia oscura y el hidrógeno neutro está determinado por la distribución del gas ionizado; además, la distribución conjunta del gas ionizado y el hidrógeno neutro nos da información sobre el estado térmico del gas y nos permite predecir el flujo de absorción del bosque Lyman-alfa", concluye.

“Nuestros trabajos en este campo están teniendo un gran impacto en la comunidad científica y hemos sido contactados por grupos de talla mundial”, dice Kitaura. A pesar de su éxito, los autores dicen que la investigación apenas comienza y planean producir miles de universos simulados que incluyan física bariónica, lo que debería permitir un análisis exhaustivo de los datos de estudios de galaxias como DESI, WEAVE-JPAS y el proyecto Subaru PFS. En particular, el resultado de esta investigación permitirá a los científicos realizar un análisis sin precedentes de conjuntos de datos masivos de bosques Lyman-alfa, lo que nos permite abordar las posibles tensiones de los modelos cosmológicos obtenidos de diferentes sondas de observación. + Explora más

Comprender el universo 'oscuro' y la formación de galaxias primordiales