Le intelligenze artificiali possono fare un sacco di cose. Addirittura contribuire alla ricerca scientifica, come analizzare la massa delle galassie. O come chiameremo impropriamente, il “peso”. Questa innovazione deriva dall’ultimo studio condotto dall’INAF, Istituto nazionale di astrofisica. Per l’occasione, le hanno dato anche un nome grazioso: Mela.
Il risultato è stato ottenuto da un gruppo internazionale di ricercatori guidato dall’Università cinese Sun Yat-sen, a cui ha partecipato anche l’Istituto Nazionale di Astrofisica.
Lo studio italo-cinese sull’intelligenza artificiale astrofisica
Come riporta lo stesso comunicato stampa, l’Istituto nazionale di astrofisica (INAF) ha partecipato a un progetto guidato da Nicola R. Napolitano, da cinque anni presso la Sun Yat-sen University (Cina), vòlto a dimostrare che l’intelligenza artificiale può imparare a misurare correttamente la massa delle galassie.
Pubblicato oggi sulla rivista Astronomy & Astrophysics, lo studio descrive una nuova metodologia per stimare la massa delle galassie usando il machine learning. Come spiega Napolitano, oggi professore ordinario presso l’Università degli Studi di Napoli Federico II:
“[…] in questo modo, è possibile superare i problemi intrinseci alla dinamica delle galassie. I modelli dinamici, infatti, hanno bisogno di pesanti assunzioni sulla distribuzione dei moti interni delle galassie, che possono non essere totalmente corrette, e necessitano un esborso di risorse enorme per ottenere risultati sufficientemente accurati”.
Come in tanti altri settori, il machine learning è una realtà sempre più concreta nell’ambito dell’astrofisica, non solo nell’analisi dei dati ma anche nel loro sfruttamento scientifico.
Dati accurati da parte dell’AI Mela
L’articolo “Total and dark mass from observations of galaxy centers with Machine Learning” dimostra per la prima volta che questa metodologia funziona su cataloghi di galassie reali. Continua Napolitano:
“In questo lavoro abbiamo chiesto a Mela di mostrarci come otteneva i suoi risultati e quali fossero le osservabili che avessero più importanza per derivare le sue conclusioni. La cosa straordinaria è che abbiamo capito che Mela può capire la fisica delle gravità.”
Gli esperti hanno confrontato le stime del nuovo codice, denominato Mela (Mass Estimator machine Learning Algorithm), con stime di procedure dinamiche classiche. Con esse, hanno verificato che Mela potesse riprodurre con incredibile accuratezza le masse dei metodi classici.
E non è poco: in alcuni casi tali masse risultano più laboriosi da riprodurre, perché basati su dati molto più complessi dei dati più semplici di cui Mela ha bisogno. Tali dati saranno prodotti per milioni di galassie con i progetti di spettroscopia di nuova generazione in cui Inaf è coinvolta, come Weave e 4Most.
Crescenzo Tortora, ricercatore dell’Inaf di Napoli che ha partecipato allo studio, aggiunge:
“Il lavoro è stato possibile grazie a un percorso intrapreso dal nostro gruppo che negli ultimi anni ha esteso le applicazioni dell’intelligenza artificiale a diversi settori dell’analisi dati di grandi survey astronomiche. Questo è stato anche possibile grazie all’esperienza acquisita negli ultimi anni con survey a grande campo (nello specifico Kids al telescopio Vst) nella ricerca di lenti gravitazionali, l’analisi della struttura e delle popolazioni stellari delle galassie”.
Se vuoi saperne di più su questo studio, ti suggeriamo la lettura del paper ufficiale pubblicato sul portale arXiv:
- Sirui Wu, Nicola R. Napolitano, Crescenzo Tortora, Rodrigo von Marttens, Luciano Casarini, Rui Li, Weipeng Lin, Total and dark mass from observations of galaxy centers with Machine Learning, Astronomy & Astrophysics, (2024) DOI:10.48550/arXiv.2310.02816
