Космический камертон: нейросеть KLT-Net переписывает лестницу расстояний
Гибридная нейросеть KLT-Net, объединяющая три архитектуры (KAN, LSTM, Transformer), позволила напрямую, без жёстких допущений, восстановить лестницу космических расстояний по данным о сверхновых (каталог Pantheon). Такой подход выявил скрытые нелинейные связи, недоступные стандартным методам. Далее, в рамках плоской ΛCDM-модели, оценили постоянную Хаббла (H₀) и плотность материи, используя робастную калибровку светимости. Результат: нейросеть работает как слаженная команда, где каждый тип сети — свой специалист по разным аспектам данных, что даёт точные космологические параметры.
Современная космология попала в диссонанс. Локальные измерения постоянной Хаббла по сверхновым и цефеидам дают около 73 км/с/Мпк, тогда как глобальные ограничения из реликтового излучения в рамках стандартной ΛCDM-модели указывают на 67 км/с/Мпк. Это расхождение в ~5σ, известное как «напряжённость Хаббла», звучит резким аккордом, требующим либо новой физики, либо перестройки всей лестницы расстояний. Именно эту лестницу, где каждая ступень опирается на предыдущую, можно уподобить оркестру: сверхновые типа Ia — камертоны, задающие тон, но систематические ошибки и модельные допущения вносят фальшь. Традиционный подход — вручную подбирать калибровки — сродни настройке инструментов на слух в шумном зале. Но теперь появился дирижёр нового типа — KLT-Net.
Этот дирижёр не человек: это гибридная нейросеть, вдохновлённая теоремой Колмогорова–Арнольда. Она объединяет три начала в единую партитуру. LSTM-слои ловят локальные обертоны — временные зависимости в кривых блеска, словно музыкант, чутко следующий за нюансами звука. KAN-слои с обучаемыми B-сплайнами выстраивают сложные нелинейные мелодии из простых элементов — как композитор, конструирующий симфонию из гамм. А Transformer-кодировщик с механизмом самовнимания охватывает всю гармоническую структуру, чувствуя глобальный ритм расширения. Обучение прошло на 1701 сверхновой из каталога Pantheon+, и, подобно тому как музыкант доверяет абсолютному слуху, KLT-Net доверяет данным, а не космологическим догмам.
Что же показал этот дирижёр? Абляционные тесты — когда солисты-компоненты по очереди выбывали из оркестра — подтвердили: полный ансамбль KLT звучит стабильнее всех, снижая дисперсию ошибки до 0.0005. Сквозь шум данных проступила чистая нота: постоянная Хаббла H₀ = 69.58 км/с/Мпк. Она оказалась чуть ниже локальных измерений Эдвина Хаббла и его последователей, но выше реликтового фона, сглаживая мучительный разрыв. Плотность материи Ωₘ=0.301 перекликается с другими зондами, намекая на универсальный мотив. Интересно, что абсолютная звёздная величина сверхновых M_B = –19.38 mag получена робастным методом наиболее частого значения — словно дирижёр прислушивается к «хору» большинства, игнорируя экстремальные выбросы.
Эта работа — лишь увертюра. Физико-информированные нейросети (PINN) уже вплетают уравнения Фридмана прямо в партитуру, а символьная регрессия обещает автоматически выводить законы тёмной энергии и тёмной материи. Представьте сеть, которая не просто настраивает инструменты, а сочиняет музыку Вселенной, опираясь на свет миллиардов звёзд. Грядущие обзоры LSST и Euclid породят миллионы «ног», и KLT-подобные алгоритмы станут главными аранжировщиками. Так, шаг за шагом, мы приближаемся к тому, чтобы расслышать истинную гармонию космоса.
🎯 Метод наиболее частого значения (MFV), применённый для оценки абсолютной светимости сверхновых, работает как поиск самого популярного мнения среди экспертов: он отбрасывает экстремальные значения, полагаясь на «хор» большинства данных.
🎬 Это напоминает «психоисторию» из «Основания» Азимова, где анализ массивов данных без знания детальных механизмов позволял предсказывать будущее галактической империи. Здесь же нейросеть предсказывает историю расширения по свету далёких звёзд.