الشبكات العصبية تسرّع ولادة المجرات سريع

الأصل: "A graph-based Neural Network surrogate model for accelerating semi-analytical model of galaxy formation and evolution"
arXiv:2604.23147 · 2026-04-25 · CC BY 4.0 · 1 دقيقة
تعلم الذكاء الاصطناعي التنبؤ بخصائص المجرات من خلال تاريخ نمو المادة المظلمة.

تتطلب دراسة ولادة المجرات نمذجة مليارات السنين من نمو المادة المظلمة وتشكل النجوم - حتى الحواسيب العملاقة تنجز ذلك ببطء. جاء الحل من مجال التعلم الآلي: شبكة عصبية، مثل طباخ بارع، تقيّم المجرة المستقبلية فورًا من خلال "وصفة" اندماجات المادة المظلمة - كتلتها، سطوعها، تركيبها الكيميائي. أتاح التدريب على آلاف الأكوان الافتراضية تحقيق تطابق شبه تام مع الحسابات الفعلية.

دُرِّب النموذج على بيانات محاكاة أوتشو (Uchuu) ويغطي تقريبًا كامل تاريخ الكون - من الكون الفتي إلى أيامنا هذه.

استنتاج غير متوقع: تفاصيل العمليات الداخلية كانت ثانوية. مصير المجرة مكتوب بالكامل تقريبًا في تاريخ مادتها المظلمة. تصل دقة التوقع إلى 97%، وتسمح السرعة بفحص آلاف سيناريوهات توسع الكون في ساعات، لتقربنا من فهم التطور الكوني.

أقدم المجرات تشكلت عندما كان عمر الكون أقل من مليار سنة. كان مصيرها محددًا مسبقًا فقط باندماجات المادة المظلمة غير المرئية - النجوم المرئية تبعت هذا السيناريو فحسب.

مثلما تفعل "السيكولوجيا التاريخية" عند أسيموف، تتنبأ الشبكة العصبية بمصير المجرات وفق أنماط رياضية - ولكن بدلاً من الحضارات، هنا المادة المظلمة.

العلماء
Fritz ZwickyJames JeansRashid Alievich SunyaevVera RubinSubrahmanyan ChandrasekharAdam Riess
المفاهيم
رسم خرائط المجرات بالشبكات العصبية شبكة عصبية بيانية آليات نمو المجرات نموذج توليدي granger causality الغرافات (graphs) خوارزمية جينية نماذج اللغة الكبيرة محاكاة بالحاسوب الفائق علم الآثار الكيميائي المجري المجرات القزمة الناقصة للمادة المظلمة عمليات التطور المجري معدل تشكل النجوم نموذج نجمي الغابة العشوائية تعداد نجمي الشبكات التوليدية التنافسية التنبؤ بالخصائص الجزيئية