Euclid Consortium και Flagship 2: Η Μεγαλυτερη Προσομοιωση του Συμπαντος

Η Μεγαλη Προσομοιωση του Συμπαντος: Το Flagship 2 του Euclid Consortium

Η σύγχρονη αστρονομία και κοσμολογία έχουν εισέλθει σε μια νέα εποχή — όπου δεν αρκεί να παρατηρούμε το Σύμπαν: πλέον το προσομοιώνουμε. Με το Flagship 2, το Euclid Consortium (μια διεθνής συνεργασία ερευνητών υπό την αιγίδα της αποστολής Euclid της ESA) δημοσίευσε την μεγαλύτερη προσομοίωση του Σύμπαντος που έχει γίνει ποτέ — και τα αποτελέσματα είναι εντυπωσιακά.

Τι ειναι το Flagship 2;

Ουσιαστικά πρόκειται για ένα «mock galaxy catalogue», την ψηφιακή κατασκευή ενός εικονικού Σύμπαντος, όπου οι επιστήμονες ενσωματώνουν φυσικές παραμέτρους, θεωρίες και υπό-μοντέλα ώστε να “παίξουν” με το πώς θα διαμορφώνονταν οι δομές στο Σύμπαν — κάτω από τις υποθέσεις που έχουμε σήμερα.

Η προσομοίωση περιλαμβάνει 3,4 δισεκατομμύρια (3,4 × 10⁹) γαλαξίες και 4 τρισεκατομμύρια (4 × 10¹²) σωματίδια σκοτεινής ύλης, που αλληλεπιδρούν βαρυτικά.

Η δημιουργία έγινε με χρήση του κώδικα PKDGRAV3, χρησιμοποιώντας μεγάλους υπερυπολογιστές και αφιερώνοντας τεράστιο υπολογιστικό δυναμικό.

Γιατι ειναι σημαντικο αυτο το εργο;

1. Επικύρωση της επεξεργασίας δεδομένων Euclid
   Ο σκοπός της αποστολής Euclid είναι να παρατηρήσει τον ουρανό με μεγάλη ακρίβεια και να καταγράψει σχήματα γαλαξιών, μετατοπίσεις λόγω βαρυτικού φακού, κατανομή ύλης κ.ά. Με το Flagship 2 οι μελέτες μπορούν να δοκιμάζουν εκ των προτέρων τους αλγορίθμους και τις διαδικασίες επεξεργασίας δεδομένων, ώστε όταν έρθουν τα πραγματικά δεδομένα να μην υπάρχουν “κρυφές εκπλήξεις”.

2. Σύγκριση θεωριών και μοντέλων
   Οι επιστήμονες θα συγκρίνουν τις προβλέψεις της προσομοίωσης με τα πραγματικά δεδομένα (όταν έρθουν) για να δουν αν οι σημερινές θεωρίες — ειδικά όσες αφορούν τη σκοτεινή ύλη και την σκοτεινή ενέργεια — αντέχουν σε δοκιμασία ακρίβειας. Αν εντοπιστούν διαφορές, ίσως χρειαστεί αναθεώρηση του μοντέλου.

3. Δημιουργία εργαλείου για τη διεθνή κοινότητα
   Το catalogue πλέον είναι δημόσια διαθέσιμο προς χρήση από ερευνητές σε όλο τον κόσμο.

Προκλησεις & καινοτομιες

Η υλοποίηση μιας προσομοίωσης τέτοιου μεγέθους και ακρίβειας δεν είναι απλή υπόθεση. Καταρχάς, απαιτεί τεράστιους πόρους — υπερυπολογιστές, αποθήκευση δεδομένων, δικτυακή υποδομή. Στην περίπτωση αυτή, μεγάλο μέρος της προσομοίωσης εκτελέστηκε ήδη το 2019 στον υπερυπολογιστή Piz Daint, ο οποίος εκείνη τη στιγμή ήταν μεταξύ των ισχυρότερων στον κόσμο.

Επιπλέον, το “κατοίκηση” των σκοτεινών δομών με γαλαξίες — δηλαδή πώς τοποθετούνται οι γαλαξίες στα “halo” της σκοτεινής ύλης — απαιτεί “καλιμπράρισμα” βάσει πραγματικών παρατηρήσεων (π.χ. από προηγούμενες έρευνες όπως SDSS, COSMOS).

Τέλος, καθώς θα έρχονται νέα δεδομένα, η ομάδα σχεδιάζει να βελτιώνει την κατανομή ιδιοτήτων (φωτεινότητα, σχήμα, ταχύτητα) ώστε η προσομοίωση να “προσαρμόζεται” καλύτερα στην πραγματικότητα.

Προοπτικες και συγκρισεις με αλλες προσομοιωσεις

Το Flagship 2 είναι σήμερα μεταξύ των πλέον προηγμένων: 3,4 δισεκατομμύρια γαλαξίες και 4 τρισεκατομμύρια σωματίδια το καθιστούν κορυφαίο σε μέγεθος.

Ωστόσο, το πεδίο των κοσμολογικών προσομοιώσεων είναι ανταγωνιστικό και ήδη υπάρχουν ή δημιουργούνται άλλα project υψηλής ακρίβειας, όπως τα AbacusSummit (με τεράστιο αριθμό σωματιδίων και πολλαπλά μοντέλα) , ή παλαιότερα έργα όπως το Millennium Run (του Virgo Consortium) που έθεσε τις βάσεις για πολλές δημοσιεύσεις κοσμολογίας.

Το πλεονέκτημα για το Euclid είναι ότι λειτουργεί “παράλληλα” με μια αποστολή που θα παρέχει πραγματικά δεδομένα. Το Flagship 2 δεν είναι απλώς μια καλοσχεδιασμένη θεωρητική άσκηση — είναι εργαλείο υποστήριξης της ίδιας της αποστολής.

Τι περιμενουμε στο αμεσο μελλον;

• Καθώς η Euclid συνεχίζει τις παρατηρήσεις, θα συγκρίνουμε με λεπτομέρεια την κατανομή γαλαξιών, τους βαρυτικούς φακούς και τα μοτίβα της σκοτεινής ύλης με την προσομοίωση.

• Αν η προσομοίωση δεν “πιάνει” κάποιες περιοχές, ενδέχεται να αναδυθούν ενδείξεις ότι τα μοντέλα σκοτεινής ύλης ή σκοτεινής ενέργειας χρειάζονται αναθεώρηση.

• Η ομάδα εργάζεται ήδη για επιπλέον datasets, βελτίωση της ανάλυσης (resolution) και δυναμική ενημέρωση του catalogue.

• Επιπλέον, ερευνητές θα χρησιμοποιήσουν το dataset για να δοκιμάσουν νέες τεχνικές ανάλυσης δεδομένων, μεθόδους μηχανικής μάθησης, αυτόματες pipelines, καινοτόμες προσεγγίσεις.