Как нейросеть читает невидимые страницы космических скоплений ✛

Оригинал: "Probing the baryonic--dark matter connection in galaxy clusters using X-rays with gated recurrent unit neural networks"
arXiv:2607.20721v1 · 2026-07-22 · CC BY 4.0 · 2 мин
Нейросеть учится на данных о горячем газе и с высокой точностью предсказывает массу скоплений галактик, не полагаясь на устаревшие предположения.

В центре скопления галактик газ разогрет до ста миллионов градусов. Скопления галактик — это гигантские облака из сотен галактик и разреженного газа, удерживаемые вместе силой тяжести. Уже в 1930-е годы астроном Фриц Цвикки заметил, что галактики в этих облаках движутся слишком быстро, словно их притягивает что-то невидимое. Позднее Вера Рубин подтвердила это открытие для отдельных галактик. Так была обнаружена тёмная материя — невидимое вещество, которое не излучает свет, но составляет около 85% всей массы. Чтобы измерить эту скрытую массу, астрономы изучают горячий газ, который ярко светится в рентгеновском диапазоне (сверхвысокоэнергичных лучах).

Газ в этих облаках невероятно разрежен: в литре пространства носится всего одна частица, что в земных лабораториях сочли бы глубоким вакуумом.

Каждое скопление можно представить как книгу, страницы которой — это слои газа от центра к краю. На этих страницах записаны температура, плотность и давление. Раньше учёные читали каждую страницу по отдельности, предполагая, что газ находится в полном равновесии, словно вода в спокойном стакане. Но когда скопление сталкивается с соседним, равновесие нарушается, и расчёты дают ошибку. Новая нейросеть (обучаемая компьютерная программа) работает иначе. Она читает книгу последовательно, запоминая предыдущие страницы, и потому улавливает общий сюжет. Её обучили на 16 495 виртуальных скоплениях из компьютерной симуляции (цифровой модели Вселенной). Теперь сеть берёт данные о температуре, плотности, энтропии (тепловой характеристике газа) слой за слоем и выдаёт полную массу без каких-либо предположений о спокойствии.

Точность впечатляет: ошибка составляет около 5% — вдвое лучше старых методов, которые давали сбои в турбулентных системах. Сеть проверили на реальных данных рентгеновских обзоров, включая измерения спектроскопии (анализ состава излучения) и красного смещения (сдвиг спектра из-за расширения Вселенной). Оказалось, что классический подход систематически занижал вес самых массивных скоплений примерно на 10%. Интересно, что сеть остаётся точной даже при учёте дополнительных сложных процессов, таких как обратная связь от активных ядер галактик (сверхмассивных чёрных дыр в центре).

Для восстановления полной массы хватает всего 7–14 измерений вдоль радиуса — словно угадать роман по нескольким отрывкам.

Теперь нейросеть готова к работе с будущими масштабными обзорами, которые зафиксируют сотни тысяч скоплений. Это сделает космологию гораздо точнее: мы сможем объективно калибровать соотношения массы и наблюдаемых характеристик, а значит, лучше поймём природу тёмной материи и тёмной энергии. Так прочитана первая книга из великой библиотеки Вселенной — и её сюжет ясен настолько, что пора перевернуть страницу.

Ближайшее массивное скопление — Волос Вероники — весит как миллион миллиардов солнц, но 85% этой массы до сих пор невидимы.

M_{\rm HSE}(<R) = -\frac{R^2}{G}\frac{dP}{dR}\frac{1}{n_g}
Масса, заключённая внутри радиуса R, выводится из градиента давления газа и его плотности в предположении баланса сил.
S_{\Delta_1,\Delta_2} = \frac{M_{\Delta_1}}{M_{\Delta_2}}
Отношение масс внутри двух различных контрастов плотности, чувствительное к профилю тёмной материи и динамическому состоянию.
Учёные
Fritz ZwickySubrahmanyan ChandrasekharAdam RiessJohn Archibald WheelerNancy Grace RomanRashid Alievich Sunyaev
Понятия
скопление галактик шаровое скопление xgboost внутрископное вещество картирование галактик нейронной сетью регрессия гауссовских процессов кластеризация тройная система реконструкция газовое облако галактическая около галактическая среда кластеризация методом k-средних галактический центр связанная модель общей циркуляции звездообразование в скоплениях тень скопления галактик горячий газ