康奈尔大学的研究人员开发了一种算法,旨在可视化宇宙模型,以解决一些物理学中最神秘的问题。

该算法是通过应用科学原理开发的,用于创建模型,用于理解细胞生物学和物理学,以应对宇宙学和大数据的挑战。

物理学教授詹姆斯·塞斯纳说:“科学是有效的,因为事物的表现比他们有权利的要简单得多。” “非常复杂的事情最终会做出相当简单的集体行为。”

Sethna是“可视化概率模型与密集主成分分析”的高级作者,发表于“ 美国国家科学院院刊”。

该算法由第一作者Katherine Quinn设计,允许研究人员对大量概率进行成像,以寻找可能有用的模式或其他信息,并为理解复杂模型和数据提供更好的直觉。

“一个人不能只是坐下来做,”奎因说。“我们需要更好的算法,可以提取我们感兴趣的东西,而不会被告知要寻找什么。我们不能只说,'寻找有趣的宇宙。' 这种算法是一种以可以揭示数据有趣结构的方式解开信息的方法。“

使研究人员的任务更加复杂的是,数据包括概率范围,而不是原始图像或数字。

他们的解决方案利用概率分布的不同属性来可视化可能发生的事物的集合。除了宇宙学之外,他们的模型还有机器学习和统计物理学的应用,它们也可以用于预测。

为了测试该算法,研究人员使用了欧洲航天局普朗克卫星的数据,并与合着者物理学副教授迈克尔·尼马克一起研究了该算法。他们将模型数据应用于宇宙微波背景 - 宇宙早期留下的辐射。

该模型产生了一幅描绘不同宇宙可能特征的地图,其中我们自己的宇宙是一个点。

这种可视化宇宙质量的新方法突出了暗能量和暗物质主导模型的层次结构,它很好地拟合了宇宙微波背景数据。Niemack说,这些可视化为未来优化宇宙学测量提供了一种有前景的方法。

接下来,研究人员将尝试扩展这种方法,以便为每个数据点提供更多参数?;嬷普庑┦菘梢越沂居泄匚颐堑挠钪?,其他可能的宇宙或暗能量的新信息 - 这似乎是我们宇宙中能量的主要形式,但是关于哪些物理学家仍然知之甚少。