Несмотря на то, что человечество практически не располагает информацией о составе темной материи, играющей важную роль в структурировании Вселенной, крайне важно понимать принципы ее распределения вокруг нашей Галактики. Однако, ее обнаружение на небольших расстояниях представляет значительную трудность. В связи с этим, астрофизики обратились к нейросетям, которые позволили создать первую подробную карту нитей темной материи, окружающих Млечный Путь.
Около 80% всей материи во Вселенной приходится на таинственную субстанцию, характеристики которой пока остаются неясными для науки. Известно лишь, что она оказывает влияние на гравитационные взаимодействия и формирует крупномасштабную структуру наблюдаемой нами Вселенной. Благодаря своему распределению в виде протяженных нитей, вдоль которых располагаются галактики, напоминающие гигантские бусины, она получила название «космическая паутина». Однако существует сложность: темную материю легче всего обнаружить на больших расстояниях, в то время как в ближних областях Вселенной ее скрывает излучение «обычного» (барионного) вещества.
Группа астрофизиков из США и Южной Кореи предложила метод, который позволяет достоверно смоделировать распределение темной материи в пределах 100 мегапарсек (примерно 326 миллионов световых лет) от Млечного Пути, даже если прямое наблюдение невозможно. Для этого они применили нейронные сети, моделирующие крупномасштабную структуру Вселенной, и использовали данные о физических параметрах (масса, скорость и направление вращения) ближайших к нам галактик. Результаты расчетов и вся методология опубликованы в журнале The Astrophysical Journal. Поскольку статья «подзамочная», с неотрецензированной версией можно ознакомиться на портале препринтов arXiv.org.
Расчет распределения темной материи в Сверхскоплении Девы, включающем Млечный Путь и его окрестности, в теории не представляет большой сложности. Для этого достаточно использовать наиболее полные данные о крупномасштабной структуре Вселенной, максимально детализировать параметры космической паутины и перенести эту информацию на меньшие масштабы. Для моделирования критически важны точные сведения о движении и массе галактик, расположенных поблизости. Сложность заключается в огромных требованиях к вычислительным ресурсам.
Для облегчения вычислений астрофизики использовали технологии искусственного интеллекта. Нейросети были обучены на обширных данных об удаленных объектах, после чего их применили для моделирования близлежащих космических регионов. Это позволило создать детальную и высокоточную карту распределения темной материи с беспрецедентным разрешением. Фактически, ученые впервые разработали модель нитей космической паутины, окружающих Млечный Путь.
Модель, вероятно, потребует дальнейшей доработки и проверки в реальных условиях, когда у людей появятся более совершенные инструменты. Авторы исследования рассчитывают на информацию, получаемую с космического телескопа Джеймса Уэбба, который позволит обнаружить большое количество карликовых галактик вблизи Млечного Пути. Благодаря относительно небольшой массе, эти объекты более восприимчивы к незначительным особенностям космической структуры и помогут узнать больше о ее организации на малых масштабах.