Meneliti energi gelap dengan superkomputer

2020s bisa melihat ekspansi yang cepat dalam penelitian energi gelap. Sebagai permulaan, dua instrumen baru yang kuat akan memindai langit malam untuk galaksi jauh. Dark Energy spektroskopi Instrumen atau DESI akan mengukur jarak sekitar 35 juta benda kosmik dan Survey Telescope Synoptic yang besar atau LSST akan menangkap video resolusi tinggi dari hampir 40 miliar galaksi.

Kedua proyek akan menyelidiki bagaimana fenomena energi gelap bahwa para ilmuwan berpikir menyebabkan alam semesta berkembang pada tingkat percepatan telah membentuk struktur alam semesta dari waktu ke waktu.

Tetapi para ilmuwan menggunakan lebih dari teleskop untuk mencari petunjuk tentang sifat energi gelap. Penelitian energi gelap berlangsung tidak hanya di observatorium gunung dengan pemandangan panorama juga.

Pertanyaan sentral dalam penelitian energi gelap adalah apakah itu ada sebagai konstan gaya tolak kosmologis yang melawan gravitasi, seperti Albert Einstein disarankan abad yang lalu atau jika ada faktor-faktor yang mempengaruhi tingkat percepatan bahwa para ilmuwan tidak dapat melihat. Atau teori gravitasi Einstein bisa saja salah.

“Ketika kita menganalisis pengamatan alam semesta, kita tidak tahu apa model yang mendasari adalah karena kita tidak tahu sifat dasar dari energi gelap”, kata Katrin Heitmann, seorang ahli fisika senior di Argonne National Laboratory. “Tapi dengan simulasi komputer kita tahu apa model kami menempatkan sehingga kami dapat menyelidiki efek itu akan memiliki pada data pengamatan”.

Alam semesta tumbuh

Heitmann dan rekan Argonne nya menggunakan kode kosmologi mereka yang disebut HACC pada superkomputer untuk mensimulasikan struktur dan evolusi alam semesta. Superkomputer yang dibutuhkan untuk simulasi ini dibangun dari ratusan ribu prosesor terhubung dan biasanya crunch lebih dari satu kuadriliun kalkulasi per detik.

Tim Argonne baru saja selesai simulasi resolusi tinggi dari alam semesta berkembang dan berubah lebih dari 13 miliar tahun, sebagian besar masa pakai baterai. Sekarang data dari simulasi mereka sedang digunakan untuk mengembangkan pengolahan dan analisis alat untuk LSST dan paket data yang dirilis untuk komunitas riset sehingga kosmolog tanpa akses ke superkomputer dapat menggunakan hasil untuk berbagai penelitian.

Risa Wechsler, seorang ilmuwan di SLAC National Accelerator Laboratory dan Stanford University profesor adalah co-juru bicara dari percobaan DESI. Wechsler memproduksi simulasi yang sedang digunakan untuk menafsirkan pengukuran dari Dark Energy Survey yang sedang berlangsung serta untuk mengembangkan alat analisis untuk percobaan berikutnya seperti DESI dan LSST.

superkomputer

“Dengan pengujian prediksi kami saat ini terhadap data yang ada dari Survey Energi Gelap, kita belajar di mana model perlu ditingkatkan untuk masa depan”, kata Wechsler. “Simulasi adalah alat kunci prediksi kami. Dalam simulasi kosmologis, kita mulai dengan sebuah alam semesta awal yang memiliki fluktuasi kecil atau perubahan kepadatan dan gravitasi memungkinkan mereka fluktuasi tumbuh dari waktu ke waktu. Pertumbuhan struktur menjadi lebih dan lebih rumit dan tidak mungkin untuk menghitung dengan pena dan kertas. Anda perlu superkomputer”.

Superkomputer telah menjadi sangat berharga untuk mempelajari energi gelap karena tidak seperti materi gelap yang para ilmuwan mungkin dapat menciptakan energi partikel akselerator gelap hanya dapat diamati pada skala galaksi.

“Dengan energi gelap kita hanya bisa melihat efeknya antara galaksi”, kata Peter Nugent, wakil divisi untuk keterlibatan ilmiah di Komputasi Kosmologi Center di Lawrence Berkeley National Laboratory.

Trial and error bar

“Ada dua jenis kesalahan dalam kosmologi”, kata Heitmann.”Kesalahan statistik yang berarti kita tidak dapat mengumpulkan data yang cukup dan kesalahan sistematis yang berarti bahwa ada sesuatu dalam data yang kita tidak mengerti”.

Pemodelan komputer dapat membantu mengurangi kedua.

DESI akan mengumpulkan data tentang 10 kali lebih banyak dari pendahulunya, Baryon Oscillation spektroskopi Survey dan LSST akan menghasilkan senilai 30 laptop data setiap malam. Tapi bahkan ini set data yang sangat besar tidak sepenuhnya menghilangkan kesalahan statistik. Simulasi dapat mendukung bukti pengamatan dengan pemodelan kondisi yang sama untuk melihat apakah hasil yang sama muncul secara konsisten.

“Kami pada dasarnya membuat data ukuran yang sama ditetapkan sebagai seluruh set observasional, maka kita menciptakan lagi dan lagi memproduksi hingga 10 sampai 100 kali lebih banyak data dari set pengamatan”, kata Nugent.

Memproses sejumlah besar seperti data membutuhkan analisis yang canggih. Simulasi membuat ini mungkin.

Untuk program alat-alat yang akan membandingkan data pengamatan dan simulasi, peneliti pertama harus model apa langit akan terlihat seperti melalui lensa teleskop. Dalam kasus LSST hal ini dilakukan sebelum teleskop bahkan dibangun.

Setelah mengisi alam semesta simulasi dengan galaksi yang mirip dalam distribusi dan kecerahan untuk galaksi nyata, ilmuwan memodifikasi hasil untuk memperhitungkan optik teleskop, atmosfer bumi dan faktor-faktor pembatas lainnya. Dengan mensimulasikan produk akhir, mereka efisien dapat memproses dan menganalisis data pengamatan.

Simulasi juga merupakan cara yang ideal untuk mengatasi banyak sumber kesalahan sistematis dalam penelitian energi gelap. Dengan semua penampilan, energi gelap bertindak sebagai gaya tolak. Tetapi jika sifat tidak konsisten lain dari energi gelap muncul di data baru atau pengamatan, teori yang berbeda dan cara memvalidasi mereka akan dibutuhkan.

 “Jika Anda ingin melihat teori-teori di luar konstanta kosmologi, Anda dapat membuat prediksi melalui simulasi”, kata Heitmann.

Cara konvensional untuk menguji teori-teori ilmiah baru adalah untuk memperkenalkan perubahan dalam sistem dan membandingkannya dengan kontrol. Tapi dalam kasus kosmologi, kami terjebak di alam semesta kita dan satu-satunya cara ilmuwan mungkin dapat mengungkap sifat energi gelap setidaknya di masa depan mendatang adalah dengan melepaskan teori alternatif dalam jagad maya.

Leave a Reply

Your email address will not be published. Required fields are marked *

This site uses Akismet to reduce spam. Learn how your comment data is processed.