Immagine: fermo immagine di una simulazione della formazione di strutture di materia oscura dall’inizio dell’universo a oggi. Sotto l’effetto della gravità, la materia oscura si agglomera in densi aloni, indicati da punti luminosi, dove si formano le galassie. In questa simulazione, si forma un alone simile a quello della Via Lattea e un alone più piccolo simile alla Grande Nube di Magellano cade verso di essa. I ricercatori dello SLAC e di Stanford, in collaborazione con i collaboratori della Dark Energy Survey, hanno utilizzato simulazioni di questo tipo per comprendere meglio il legame tra la materia oscura e la formazione delle galassie. Crediti: Ralf Kaehler/Ethan Nadler/SLAC National Accelerator Laboratory.
La materia oscura è la forza invisibile che, secondo noi, tiene insieme l’Universo. Rappresenta circa l’85% di tutta la materia e il 27% del contenuto dell’Universo. Poiché è impossibile vederla direttamente, dobbiamo studiare i suoi effetti gravitazionali sulle galassie e sulle altre strutture cosmiche. Nonostante decenni di ricerche, la vera natura della materia oscura è uno dei misteri che la scienza non ha ancora svelato.
Secondo una delle principali teorie, la materia oscura potrebbe essere costituita da particelle che difficilmente interagiscono con altri elementi, se non attraverso la gravità. Ma alcuni scienziati ritengono che queste particelle possano occasionalmente interagire tra loro, un fenomeno noto come auto-interazione. La rilevazione di tali interazioni fornirebbe informazioni essenziali sulle proprietà della materia oscura.
Tuttavia, distinguere i sottili segni delle auto-interazioni della materia oscura da altri effetti cosmici, come quelli causati dai nuclei galattici attivi (AGN) - i buchi neri supermassicci al centro delle galassie - è una sfida importante. Il feedback dei nuclei galattici attivi può spostare la materia in modo simile agli effetti della materia oscura, rendendo difficile la distinzione tra i due.
All’EPFL, l’astronomo David Harvey del Laboratorio di astrofisica ha sviluppato un algoritmo di apprendimento profondo in grado di distinguere questi segnali complessi. Il suo metodo basato sull’intelligenza artificiale mira a differenziare gli effetti dell’auto-interazione della materia oscura da quelli del feedback degli AGN analizzando le immagini degli ammassi di galassie, ossia vaste collezioni di galassie legate tra loro dalla gravità. Questa innovazione promette di migliorare l’accuratezza degli studi sulla materia oscura.
David Harvey ha addestrato una rete neurale convoluzionale (CNN) - un tipo di intelligenza artificiale particolarmente abile nel riconoscere gli schemi nelle immagini - con le immagini del progetto BAHAMAS-SIDM, che modella gli ammassi di galassie secondo diversi scenari di feedback di materia oscura e AGN. Alimentata con migliaia di immagini simulate di ammassi di galassie, la CNN ha imparato a distinguere tra i segnali causati dalle autointerazioni della materia oscura e quelli causati dal feedback degli AGN.
Tra le diverse architetture CNN testate, la più complessa - chiamata "Inception" - si è dimostrata anche la più accurata. L’intelligenza artificiale è stata addestrata su due scenari primari di materia oscura, con diversi livelli di auto-interazione, e convalidata su altri modelli, compreso un modello di materia oscura più complesso, dipendente dalla velocità.
Inception ha raggiunto un’impressionante precisione dell’80% in condizioni ideali, permettendo di determinare se gli ammassi di galassie fossero influenzati dalla materia oscura che interagisce con se stessa o dal feedback dei NAG. Questa architettura ha mantenuto le sue elevate prestazioni anche quando i ricercatori hanno introdotto un rumore osservativo realistico che riproduce il tipo di dati attesi dai futuri telescopi come Euclid.
In altre parole, Inception, e più in generale l’approccio basato sull’IA, potrebbe rivelarsi molto utile per analizzare le grandi quantità di dati che stiamo raccogliendo nello Spazio. Inoltre, la capacità dell’IA di elaborare dati nuovi indica che è adattabile e affidabile, il che la rende uno strumento promettente per la futura ricerca sulla materia oscura.
