A medida que los cosmólogos reflexionan sobre el universo, y otros universos posibles, los datos disponibles para ellos son tan complejos y vastos que puede ser extremadamente difícil de comprender solo para los humanos.

Al aplicar los principios científicos utilizados para crear modelos para comprender la biología y la física celular a los desafíos de la cosmología y los macrodatos, Los investigadores de Cornell han desarrollado un algoritmo prometedor para mapear un conjunto multifacético de probabilidades.

El nuevo método que los investigadores han utilizado para visualizar modelos del universo, podría ayudar a resolver algunos de los mayores misterios de la física, como la naturaleza de la energía oscura o las probables características de otros universos.

"La ciencia funciona porque las cosas se comportan de forma mucho más sencilla de lo que tienen derecho a hacerlo, "dijo James Sethna, profesor de física y autor principal de "Visualización de modelos probabilísticos con análisis intensivo de componentes principales, "que se publicó en línea el 24 de junio en el procedimientos de la Academia Nacional de Ciencias . "Las cosas muy complicadas terminan haciendo un comportamiento colectivo bastante simple".

Ese, él dijo, se debe a que no todos los factores de un sistema son importantes. Por ejemplo, millones de átomos pueden estar involucrados en una colisión física, pero su comportamiento está determinado por un número relativamente pequeño de constantes. Datos sobre el universo recopilados por potentes telescopios, sin embargo, tiene tantos parámetros que puede ser un desafío para los investigadores determinar qué mediciones son más importantes para revelar conocimientos.

El algoritmo, desarrollado por la primera autora Katherine Quinn, SRA. 'dieciséis, Doctor. '19:permite a los investigadores obtener imágenes de un gran conjunto de probabilidades para buscar patrones u otra información que pueda ser útil, y les proporciona una mejor intuición para comprender modelos y datos complejos.

"Como tenemos conjuntos de datos mucho más grandes y mejores, con terabytes y terabytes de información, se vuelve cada vez más difícil darles sentido, "Dijo Quinn." Una persona no puede simplemente sentarse y hacerlo. Necesitamos mejores algoritmos que puedan extraer lo que nos interesa, sin que le digan qué buscar. No podemos simplemente decir "Busque universos interesantes". Este algoritmo es una forma de desenredar la información de una manera que puede revelar la interesante estructura de los datos ".

Complicando aún más la tarea de los investigadores fue el hecho de que los datos consisten en rangos de probabilidades, en lugar de imágenes o números en bruto. "Es un problema más complicado de manejar, "Dijo Quinn.

Su solución aprovecha las diferentes propiedades de las distribuciones de probabilidad para visualizar una colección de cosas que podrían suceder. Además de la cosmología, su modelo tiene aplicaciones para el aprendizaje automático y la física estadística, que también funcionan en términos de predicciones.

Para probar el algoritmo, los investigadores utilizaron datos del satélite Planck de la Agencia Espacial Europea, y lo estudió con el coautor Michael Niemack, profesor asociado de física, cuyo laboratorio desarrolla instrumentos para estudiar la formación y evolución del universo midiendo la radiación de microondas. Aplicaron el modelo a los datos sobre el fondo cósmico de microondas:la radiación que quedaba de los primeros días del universo.

El modelo produjo un mapa que representaba las posibles características de diferentes universos, del cual nuestro propio universo es un punto. Este nuevo método de visualizar las cualidades de nuestro universo resalta la estructura jerárquica del modelo dominado por la energía oscura y la materia oscura que se ajusta tan bien a los datos de fondo de microondas cósmicos. Si bien la estructura no es sorprendente, estas visualizaciones presentan un enfoque prometedor para optimizar las mediciones cosmológicas en el futuro, Dijo Niemack.

Próximo, los investigadores intentarán ampliar este enfoque para permitir más parámetros para cada punto de datos. El mapeo de tales datos podría revelar nueva información sobre nuestro universo, otros universos posibles o energía oscura, que parece ser la forma de energía dominante en nuestro universo, pero acerca de la cual los físicos aún saben poco.

"Utilizamos solo modelos burdos para explicar qué podría ser la energía oscura, o cómo podría estar evolucionando con el tiempo, ", Dijo Niemack." Hay una gran cantidad de parámetros diferentes que podrían agregarse a los modelos, y luego podríamos visualizarlos y decidir cuáles son las medidas importantes para priorizar, para tratar de entender qué modelo de energía oscura describe mejor nuestro universo ".