أشبه بالطُهاة، دأب علماء الفلك طويلاً على إعداد وصفٍ للكون باستخدام الوصفات التقليدية المعقدة نفسها. وكانت هذه الوصفات - أي المعادلات الرياضية المركبة - تُقدّر عدد المجرات المختلفة سطوعاً وكتلةً التي تملأ الفضاء، وكذلك كيفية توزّع الأساسات الخفية من المادة المظلمة. لكن دقة الأطباق كانت متعثرة. حينها استدعوا إلى المطبخ طاهياً رقمياً - خوارزمية ESR. لقد جرّبت ملايين الخيارات من عمليات بسيطة: الجمع والضرب والرفع إلى قوة.
فكانت النتيجة مذهلة: اتضح أن النتيجة المثالية لا تحتاج إلى زخارف. فالعلاقات البسيطة - مثل "كلما زاد سطوع المجرة قل عددها" - تعمل بدقة أكبر إذا أزيلت التصحيحات المصطنعة. الأمر أشبه باكتشاف أن ثلاثة مكونات تكفي لصنع الكرواسون، وأن مذاقها أفضل من الوصفة المعقدة. الآن سيتمكن علماء الفلك من تجميع أحجية تاريخ المجرات بسرعة أكبر، وتنقيح النموذج الكوني القياسي.
كما كتبه المؤلفون، بالإنجليزية arXiv:2604.23236
The galaxy luminosity and stellar mass function (LF, SMF), and halo mass function (HMF), are fundamental quantities in astrophysics and crucial inputs to a range of astrophysical and cosmological analyses. They are typically parametrised by fitting functions that have been chosen "by eye" to match observed or simulated data. We apply symbolic regression -- specifically the Exhaustive Symbolic Regression (ESR) algorithm -- to automate the search for optimal LF, SMF and HMF functional forms. ESR scores all functions up to a maximum complexity composed of a user-defined basis set of operators using the description length, an approximation to the Bayesian evidence that balances accuracy with complexity. We find many functions outperforming the Schechter and double Schechter functions for the LF and SMF, and that outperform the Press--Schechter and Warren/Tinker functions for the HMF. By additionally imposing "physicality checks" on functions' extrapolation and integration properties, we identify the optimal, low-complexity functional forms in terms of accuracy, simplicity and behaviour beyond the data range. As well as providing drop-in replacements for literature LF, SMF and HMF fitting functions, and identifying robust behaviour across well-fitting functions, we present a framework with which symbolic regression may be used to automate the discovery of optimal functions for any astrophysical dataset.
عدد المجرات الصغيرة والخافتة في الكون أكبر بكثير من عدد المجرات العملاقة الساطعة - مثل حبات الرمل في الصحراء مقارنة بالجبال الشامخة.
تماماً كما في رواية 'دليل المسافر إلى المجرة' حيث كان الحاسوب العملاق يبحث عن إجابة السؤال الأكبر، فإن هذه الخوارزمية تبحث عن الوصفة المثلى للكون - لكن بدلاً من الفلسفة، تنتج معادلات دقيقة.