Le simulazioni dell'Universo effettuate dai supercomputer sono un'operazione astronomicamente costosa. Per calcolare l'evoluzione di miliardi di galassie, sono necessarie settimane di lavoro di potentissimi cluster di calcolo. Non sorprende che gli astrofisici abbiano affidato questo compito di routine all'intelligenza artificiale. Tuttavia, la medaglia ha mostrato il suo rovescio. L'ottimizzazione dei calcoli ha quasi sbarrato la strada alla nuova fisica.
Un team di ricercatori di Princeton e del Flatiron Institute, guidato da Vina Krishnaraj e Adrian Bayer, ha deciso di applicare alla cosmologia il metodo del transfer learning. Il principio è affascinante: invece di avviare pesanti simulazioni da zero, la rete neurale viene prima addestrata su modelli semplici ed economici dell'Universo standard (Λ CDM). Successivamente, l'IA viene leggermente perfezionata su modelli avanzati, dove operano le leggi della gravità alternativa o si tiene conto della massa dei neutrini.
Il risparmio è stato colossale. I costi per i supercomputer sono diminuiti di oltre dieci volte. Una vera svolta? Non proprio.
Gli scienziati hanno utilizzato il celebre archivio di universi virtuali Quijote e hanno scoperto un errore di sistema nascosto. Nell'apprendimento automatico, questo fenomeno è noto come trasferimento negativo. Quando la rete neurale si imbatte in manifestazioni di una fisica fondamentalmente nuova, inizia ostinatamente a ricondurle alla vecchia esperienza che già conosce.
Il problema risiede nella cosiddetta degenerazione fisica. Si tratta di una situazione in cui processi cosmici completamente diversi producono segnali identici nelle immagini dei telescopi. Ad esempio, il modo in cui i neutrini massicci influenzano gli ammassi di galassie è visivamente quasi indistinguibile dalle fluttuazioni standard della densità della materia (il parametro sigma 8). L'IA, addestrata su modelli di base, riconosce un pattern familiare e riferisce con sicurezza: "Tutto a posto, è l'Universo standard". Il segnale di una nuova fisica viene semplicemente cancellato dall'algoritmo.
Cosa significa questo per noi? Non è ancora possibile affidarsi completamente all'autonomia delle reti neurali nella ricerca di anomalie cosmiche. L'IA è uno straordinario acceleratore per il lavoro di routine, ma il controllo finale sulla ricerca delle deviazioni resta compito dell'uomo.
Attualmente il metodo è in fase di test su modelli sintetici, ma presto dovrà confrontarsi con enormi set di dati provenienti dai nuovi telescopi ottici. Comprendere questo difetto permetterà ai fisici di correggere gli algoritmi di addestramento. In prospettiva, ciò porterà alla creazione di sistemi più flessibili, capaci non solo di confermare i vecchi libri di testo, ma anche di notare anomalie che cambieranno la nostra comprensione dello spazio e del tempo.
L'effetto di accecamento degli algoritmi è dovuto alla degenerazione fisica, una condizione in cui processi cosmici fondamentalmente diversi producono segnali osservabili identici.
Per ora il metodo è stato testato esclusivamente su dati sintetici. Il prossimo passo sarà la verifica con le reali osservazioni del cielo notturno. Questa ricerca delinea chiaramente i confini: l'IA può accelerare notevolmente i calcoli di routine, ma la ricerca finale di anomalie al di fuori del Modello Standard richiede ancora un rigoroso controllo umano. Le tecnologie ci portano verso una verifica più rapida delle ipotesi, a patto di insegnare agli algoritmi a dubitare dei propri database.
