Era solo una questione di tempo prima che l’intelligenza artificiale si occupasse della materia oscura. Un nuovo algoritmo di deep learning è pronto per essere applicato su immagini di ammassi di galassie alla ricerca dei segni rivelatori di questa sostanza invisibile che, in modo curioso, costituisce l’85% di tutta la materia nell’universo. Secondo il modello standard di cosmologia, ogni galassia è circondata da un alone di materia oscura. Allo stesso modo, gli ammassi di galassie sono pervasi all’interno di vasti aloni di materia oscura, che possiamo rilevare indirettamente. Gli scienziati sono anche in grado di determinare la distribuzione della materia oscura in un ammasso osservando il modo in cui la sua influenza gravitazionale piega lo spazio, creando così lenti gravitazionali deboli e, a volte, forti. Tuttavia, nonostante i vasti volumi di materia oscura nell’universo, nessuno sa di cosa sia composta.
Occasionalmente, due ammassi di galassie — contenenti galassie, gas caldo e materia oscura — possono collidere. Quando ciò accade, il modo in cui procede la collisione dipende dalla natura della materia oscura. Tutto si riduce a una proprietà della materia oscura nota come sezione d’interazione, che si riferisce alla base con cui la materia oscura è un tipo di particella non identificata. Uno dei motivi per cui gli astronomi hanno avuto così tante difficoltà a rintracciare l’identità della materia oscura è che sembra non interagire con la materia normale, se non attraverso la gravità. Tuttavia, alcuni modelli prevedono che le particelle di materia oscura possano interagire tra di loro, e l’entità di questa interazione dipende dalla sezione d’interazione.
Correlato: L’energia oscura rimane un mistero. Forse l’IA può aiutare a decifrare il codice
Quindi, quando due ammassi di galassie collidono, il destino dei loro aloni di materia oscura dipende da questa sezione. Se il valore della sezione è elevato, le particelle nei due aloni di materia oscura in collisione interagiranno, rallentando la materia oscura. Le galassie, d’altra parte, passeranno attraverso, raramente “collidendo” davvero nel modo in cui potresti pensare a causa degli spazi ampi tra le stelle e altri oggetti al loro interno. Nel frattempo, enormi nuvole di idrogeno nell’ammasso collidono, scaldandosi e irradiando raggi X. Se il valore della sezione d’interazione è elevato, la materia oscura si separerà dalle galassie e verrà distribuita più vicino alle nuvole di gas caldo.
Iscriviti alla newsletter per gli ultimi aggiornamenti su lanci di razzi, eventi di osservazione del cielo e altro ancora!
In alternativa, se la materia oscura ha una bassa sezione d’interazione, allora la materia oscura e le galassie sarebbero separate, ma non di molto, con la materia oscura trovata tra le galassie e il gas caldo. Se la sezione è zero, il che significa che la materia oscura è priva di collisioni, dovremmo aspettarci che gli aloni di materia oscura rimangano con le galassie poiché passerebbero direttamente l’una attraverso l’altra senza interagire affatto.
Tuttavia, ci sono diverse complicazioni. Una è che possiamo vedere solo istantanee delle collisioni degli ammassi di galassie perché avvengono su scale temporali e distanze troppo vaste per rivelarne il progresso su scale temporali umane. Inoltre, stiamo osservando queste istantanee in fasi diverse delle collisioni e da angolazioni diverse, quindi non ci sono due unioni di ammassi di galassie che sembrano esattamente uguali, e ci vuole un occhio allenato per cogliere ciò che sta accadendo in ogni esempio.
Una seconda complicazione è l’effetto che i venti di radiazione provenienti da galassie con buchi neri attivi possono avere. Queste caratteristiche sono comunemente trovate nelle galassie più grandi all’interno di un ammasso, come M87 nell’ammasso di galassie della Vergine. Questi venti di radiazione, descritti come “feedback”, perché influenzano direttamente ciò che alla fine li provoca, in particolare la materia che cade verso il buco nero centrale. Questo feedback può spingere la materia fuori da una galassia e nel mezzo extragalattico all’interno di un ammasso di galassie, in modo che la materia ordinaria si trovi dove ci si aspetterebbe che si trovasse la materia oscura.
Per aiutare a distinguere tra le possibilità, David Harvey dell’Ecole Polytechnique Fédérale de Lausanne in Svizzera ha scritto un algoritmo di deep learning addestrato su immagini simulate delle collisioni degli ammassi di galassie tratte dal progetto BAHAMAS (Baryons and Haloes of Massive Systems) condotto da ricercatori dell’Università di Liverpool John Moores, dell’Università di Leiden, dell’Università Johns Hopkins e del CNRS in Francia.
Le simulazioni modellano le collisioni degli ammassi di galassie con valori di sezione diversi, e anche quelle senza materia oscura. Harvey ha testato diverse versioni del suo algoritmo, che è una Rete Neurale Convoluzionale (CNN) in grado di riconoscere molto bene i modelli nelle immagini. Harvey ha scoperto che la versione più complessa del suo algoritmo, soprannominata “Inception”, era la più precisa, ottenendo una percentuale di successo dell’80% quando è stata sfidata a caratterizzare le collisioni simulate degli ammassi.
Diversi progetti stanno già inquadrando le collisioni degli ammassi di galassie nel tentativo di risolvere il mistero della materia oscura. Il Telescopio Spaziale Hubble, con l’assistenza dell’Osservatorio Chirico X, ha fotografato le collisioni degli ammassi di galassie per un certo tempo, in particolare il Bullet Cluster nel 2006. Più recentemente, l’Agenzia Spaziale Europea ha lanciato la missione Euclid, progettata per studiare il cosiddetto “universo oscuro”, inclusa la presenza di materia oscura negli ammassi. E su scala più ridotta, la missione con pallone ad alta quota chiamata SuperBIT ha volato intorno al mondo per due mesi nel 2023, inquadrando le collisioni degli ammassi di galassie, prima di schiantarsi in Argentina. Con tutti questi dati di osservazione, e altri ancora in arrivo, l’algoritmo “Inception” di Harvey ci aiuterà a trovare una risposta più rapida al puzzle che è la materia oscura.
I risultati dell’algoritmo di Harvey sono stati descritti il 6 settembre su Nature Astronomy.