重新审视宇宙

Shy Genel 是熨斗研究所计算天体物理中心的副研究科学家。图片来源：约翰·斯莫克

宇宙充满了奥秘。它是什么做的？为何扩张如此之快？我们是否缺少一些基本粒子和物理学？

天体物理学家Shy Genel希望通过他的尖端模拟来回答这些问题。尽管他的职业生涯始于研究星系的形成和演化，但现在他运行和设计迷你宇宙的模拟。他使用一种利用机器学习的独特技术，旨在为研究人员提供有助于回答宇宙学中一些最大问题的工具。

Genel 是Fl​​atiron 研究所计算天体物理中心(CCA) 的副研究科学家。在此之前，他是哥伦比亚大学的哈勃研究员，并在哈佛-史密森天体物理中心完成了博士后研究。吉内尔拥有马克斯·普朗克地外物理研究所的天体物理学博士学位以及特拉维夫大学的物理和电气与电子工程学士学位。

吉内尔最近与西蒙斯基金会谈论了他的工作以及如何理解宇宙。为了长度和清晰度，对话已被编辑。

您目前的研究重点是什么？

在过去的几年里，我一直专注于一个名为CAMELS的项目，它代表宇宙学和天体物理学与机器学习模拟。这是一套非常大的宇宙模拟。

使用五个不同的星系形成模型模拟单个宇宙体积。宇宙网表现为冷气体丝（蓝色），散布着热气体射流和光晕（红色）。由于星系形成物理学的不同假设和实现，各种模型产生不同的结果。图片来源：Francisco Villaescusa-Navarro 和 CAMELS 项目

这些模拟的独特之处在于我们改变了模拟中所做的假设。通常，宇宙学模拟使用一组“最佳”假设来创建数字宇宙。我们正在使用不同的方法。我们首先模拟大量的宇宙，所有宇宙都有不同的假设。然后，我们使用机器学习来有效地平均我们所做的假设。

这些假设有哪些例子？

假设我们想要测量宇宙的基本组成部分，例如它包含的暗物质的数量。为此，我们必须对宇宙中的过程做出假设，例如超新星爆炸时释放的总能量，或者黑洞吞噬周围气体的速度。这两个过程不仅影响物体，还影响其周围的环境，进而对银河系和星系际尺度产生影响。这些东西并不容易测量，天文学中有整个子领域致力于理解它们。如果我们想做这些类型的宇宙尺度模拟，我们就必须做出这些假设。但通过利用机器学习，我们可以使用关于超新星能量的不同假设来运行数千次模拟，以找到最佳解决方案。机器学习还可以帮助阐明我们通常看不到的参数组合之间的联系。

这个项目的日常工作是怎样的？

这个项目是由我的两位 CCA 同事 Francisco Villaescusa-Navarro 和 Daniel Anglés-Alcázar 发起的，但它实际上已发展成为一个由对改进模拟和为自己的研究兴趣开发扩展感兴趣的研究人员组成的扩展社区。因此，有很多组织工作。我们有数百万个文件，占用了近 PB 的数据，所有这些文件都需要进行编目、组织和维护，以便能够有效地使用。

我们还不断运行新的模拟，因此我们必须确保我们有效地利用我们的超级计算机并且模拟运行顺利。然后是设计新的模拟，这需要考虑要改变哪些参数、要模拟的宇宙大小以及模拟的整体设置。为此，我花了很多时间与各个研究团队通话，找出对他们最有用的内容。总的来说，它是一些真正的实践技术工作、项目组织以及核心科学研究本身的完美结合。

您希望研究人员最终能够从这些模拟中了解宇宙什么？

我们最终想要测量宇宙的基本属性，例如暗物质的数量或宇宙膨胀的速度。这些属性很重要，因为它们可以提供对其他更大问题的见解，例如当前对我们宇宙的描述（标准模型）是否准确。这些基本属性最终可以告诉我们该描述中是否缺少新粒子或新物理。

目前，仅凭观察无法给我们这些答案。这是因为，从你可以观察到的事物（例如天空中星系的分布）到宇宙中暗物质的含量，你必须做出大量的分析和假设。您可以通过观察和分析理论来做到这一点，但您仅限于研究最大的尺度。如果我们想要获得精确的测量，我们需要采用更小的尺度，这需要模拟。

目前，该项目正处于概念验证阶段，表明这种新方法是有效的。我们仍在开发我们的方法，但我们的想法是将模拟与观测进行比较，并最终使用模拟来训练复杂的神经网络，以便根据天空一小部分的观测来确定宇宙的基本属性。希望有一天我们能够回答一些关于我们宇宙的重大基本问题。