Sebuah sidik jari di tar kuno menulis ulang kisah salah satu serangan lintas laut paling awal di Skandinavia. Para peneliti telah mengidentifikasi sidik jari yang tersimpan dalam tar yang digunakan untuk menyegel perahu papan kayu tertua di Skandinavia, menawarkan hubungan fisik yang langka dengan perampok laut yang menggunakan kapal tersebut lebih dari 2.000 tahun yang lalu. (…)

JetMedia Digital Agency

Peneliti Rutgers telah menemukan “sidik jari” unik yang mengungkapkan bagaimana sistem kosmik ini berkembang dan berkembang.

Sekelompok ilmuwan yang dipimpin oleh Universitas Rutgers telah menemukan bukti baru tentang bagaimana galaksi tumbuh, menggunakan petunjuk yang tersembunyi di dalam kerangka kerja alam semesta yang tak terlihat dibentuk oleh materi gelap.

Temuan, diterbitkan di Surat Jurnal Astrofisikadidasarkan pada apa yang digambarkan tim sebagai koleksi terbesar dari Lyman-Alpha Emsiters, jenis galaksi khusus. Dengan melacak bagaimana galaksi -galaksi ini berkerumun selama miliaran tahun, para peneliti memperoleh wawasan baru tentang bagaimana galaksi terhubung dengan materi gelap di sekitarnya dan bagaimana mereka berubah seiring bertambahnya usia alam semesta.

“Menganalisis sidik jari ini memberi kita wawasan tentang massa materi gelap di sekitar galaksi,” kata Eric Gawiser, seorang profesor terkemuka di Departemen Fisika dan Astronomi di Sekolah Seni dan Ilmu Rutgers dan penulis penelitian. “Massa materi gelap yang diungkapkan oleh penelitian ini konsisten dengan gagasan bahwa lyman-alpha memancarkan galaksi berevolusi menjadi galaksi saat ini seperti kita Bimasakti. “

Pekerjaan tim memeriksa gambar bidang lebar dari tiga tahap terpisah dari sejarah alam semesta, tidak lama setelah itu Big Bang. Apa yang mereka temukan adalah pola yang jelas, seperti sidik jari yang mengungkapkan di mana materi gelap paling terkonsentrasi.

Perekat Cosmos yang tak terlihat

Materi gelap, zat misterius yang tidak memancarkan cahaya atau energi, tidak dapat dilihat, tetapi membentuk sebagian besar materi di alam semesta, menurut para ilmuwan. Mereka tahu materi gelap ada karena gravitasinya mempengaruhi bagaimana galaksi bergerak dan bagaimana sistem kosmik yang luas ini diatur dalam ruang.

Studi ini, yang dipimpin oleh mahasiswa doktoral Rutgers Dani Herrera, menggunakan data dari ODIN (survei Decam-Degree Decam Insimarbands), yang merupakan proyek astronomi besar yang dirancang untuk menganalisis lebih dari 100.000 galaksi yang memancarkan Lyman-alpha.

Para peneliti fokus pada data yang diambil dari wilayah langit yang dikenal sebagai Survei Evolusi Kosmik dalam bidang Deep (Cosmos), di salah satu survei langit-langit terbesar yang pernah dilakukan. Melihat jauh ke luar angkasa dan ke masa lalu yang jauh, mereka melihat tiga periode waktu, sekitar 2,8 miliar, 2,1 miliar, dan 1,4 miliar tahun setelah Big Bang. Selama periode-periode ini, galaksi pemancar Lyman-Alpha masih muda dan secara aktif membentuk bintang, menjadikannya penanda ideal untuk dipelajari. Mereka juga mengandung gas hidrogen yang memancarkan cahaya khusus, yang memungkinkan para ilmuwan untuk menemukan sejumlah besar dari mereka di alam semesta yang jauh.

“Kami ingin menemukan materi gelap yang gravitasinya mendorong galaksi untuk bergabung dan tumbuh,” kata Herrera. “Memahami di mana itu dan bagaimana ia berevolusi membantu kita memahami bagaimana alam semesta itu sendiri telah berevolusi.”

Materi gelap memainkan peran penting dalam pembentukan galaksi dengan bertindak sebagai “lem” gravitasi yang membantu menarik gas bersama untuk membentuk galaksi, kata Herrera. Massa yang tidak terlihat menciptakan sumur yang dalam di ruang di mana galaksi dapat tumbuh, menggabungkan, dan berevolusi, membentuk struktur skala besar alam semesta.

“Kami menggunakan kejatuhan galaksi ini untuk mengidentifikasi di mana materi gelap paling padat,” kata Gawiser. “Memvisualisasikan bahwa dengan peta kontur, banyak cara peta hiking menunjukkan ketinggian, memungkinkan kita mengamati ‘sidik jari’ materi gelap di alam semesta yang jauh.”

Galaksi Lyman-Alpha yang langka

Satu hasil menonjol. Tiga persen hingga 7% dari daerah padat materi gelap yang mampu menjadi tuan rumah galaksi mengandung galaksi pemancar Lyman-alpha, mereka menemukan. Ini berarti bahwa Lyman-alpha memancarkan galaksi mewakili sebagian kecil galaksi yang terbentuk di mana materi gelap paling padat. Petunjuk persentase rendah bahwa galaksi diamati selama fase berumur pendek, bersinar dalam cahaya Lyman-alpha selama puluhan hingga ratusan juta tahun.

Untuk mengungkap hasil ini, para peneliti menggunakan teknik yang disebut clustering, yang mengukur bagaimana galaksi dikelompokkan dibandingkan dengan distribusi acak. Mereka menghitung fungsi korelasi sudut, metode penghitungan pasangan galaksi.

Penelitian ini, kata para ilmuwan, tidak hanya memperdalam pemahaman tentang evolusi galaksi tetapi juga membantu para ilmuwan memperbaiki model struktur alam semesta. Ketika survei Odin berlanjut, studi di masa depan akan berkembang ke lebih banyak galaksi, menawarkan pandangan yang lebih lengkap tentang jaring kosmik, kata mereka.

“Meskipun tidak terlihat oleh teleskop kita, materi gelap membentuk alam semesta melalui interaksi dengan bahan yang terlihat,” kata Gawiser. “Sementara beberapa orang mencoba memahami apa itu, yang lain, seperti tim peneliti ini, mencoba memahami di mana itu dan apa yang tersirat tentang evolusi alam semesta.”

Reference: “ODIN: Clustering Analysis of 14,000 Lyα-emitting Galaxies at z = 2.4, 3.1, and 4.5” by Danisbel Herrera, Eric Gawiser, Barbara Benda, Nicole M. Firestone, Vandana Ramakrishnan, Byeongha Moon, Kyoung-Soo Lee, Changbom Park, Francisco Valdes, Yujin Yang, María Celeste Artale, Robin Ciardullo, Caryl Gronwall, Lucia Guaita, Ho Seong Hwang, Jacob Kennedy, Ankit Kumar dan Ann Zabludoff, 28 Juli 2025, Surat Jurnal Astrofisika.
Dua: 10.3847/2041-8213/ADE82

Pendanaan: Yayasan Sains Nasional AS, Yayasan Penelitian Nasional Korea

Jangan pernah melewatkan terobosan: Bergabunglah dengan buletin ScitechDaily.
Ikuti kami di google, temukan, dan berita.

Penelitian menunjukkan bahwa jari -jari kerutan dalam pola yang konsisten setiap kali mereka terbenam dalam air. Apakah kerutan Anda selalu terbentuk dalam pola yang sama setelah menghabiskan terlalu banyak waktu dalam air? Penelitian baru dari Universitas Binghamton, Universitas Negeri New York, mengatakan mereka melakukannya. Beberapa tahun yang lalu, Associate Professor Guy German (…) Binghamton University (…)

RisalahPos.com Network

Tangan Anda mungkin memegang kunci mengapa Anda sangat menikmati minuman. Sebuah penelitian menghubungkan jari manis yang lebih panjang, yang menunjukkan testosteron prenatal yang lebih tinggi, dengan peningkatan konsumsi alkohol, yang menunjukkan adanya pengaruh hormonal pada kebiasaan minum, terutama pada pria. Panjang Jari dan Pola Minum Panjang jari Anda mungkin merupakan petunjuk penting tentang kebiasaan minum Anda (…)

RisalahPos.com Network

Related

Para peneliti di Laboratorium Nasional Argonne telah mengembangkan teknik baru menggunakan sinar-X foto spektroskopi korelasi dan kecerdasan buatan untuk menganalisis materi.

Metode ini menghasilkan “sidik jari” material secara terperinci, yang diinterpretasikan oleh AI untuk mengungkap informasi baru tentang dinamika material. Pendekatan ini, yang dikenal sebagai AI-NERD, memanfaatkan teknologi tanpa pengawasan pembelajaran mesin untuk mengenali dan mengelompokkan sidik jari ini, meningkatkan pemahaman tentang perilaku material dalam berbagai kondisi.

Seperti halnya manusia, material berevolusi seiring waktu. Material juga berperilaku berbeda saat diberi tekanan dan relaksasi. Para ilmuwan yang ingin mengukur dinamika perubahan material telah mengembangkan teknik baru yang memanfaatkan spektroskopi korelasi foton sinar-X (XPCS), kecerdasan buatan (AI), dan pembelajaran mesin.

Inovasi Identifikasi Material dengan AI

Teknik ini menciptakan “sidik jari” dari berbagai bahan yang dapat dibaca dan dianalisis oleh jaringan saraf untuk menghasilkan informasi baru yang sebelumnya tidak dapat diakses oleh para ilmuwan. Jaringan saraf adalah model komputer yang membuat keputusan dengan cara yang mirip dengan otak manusia.

Dalam studi baru oleh para peneliti di Advanced Photon Source (APS) dan Center for Nanoscale Materials (CNM) di Laboratorium Nasional Argonne milik Departemen Energi AS (DOE), para ilmuwan telah memasangkan XPCS dengan algoritma pembelajaran mesin tanpa pengawasan, suatu bentuk jaringan saraf yang tidak memerlukan pelatihan ahli. Algoritma tersebut mengajarkan dirinya sendiri untuk mengenali pola yang tersembunyi dalam susunan sinar-X yang dihamburkan oleh koloid — sekelompok partikel yang tersuspensi dalam larutan. APS dan CNM adalah fasilitas pengguna Kantor Sains DOE.

“Tujuan AI hanyalah memperlakukan pola pencar seperti gambar atau foto normal dan memprosesnya untuk mengetahui pola mana yang berulang. AI ahli dalam pengenalan pola.”

— James (Jay) Horwath, Laboratorium Nasional Argonne

Kompleksitas dalam Data Hamburan Sinar-X

“Cara kita memahami bagaimana material bergerak dan berubah seiring waktu adalah dengan mengumpulkan data hamburan sinar-X,” kata peneliti pascadoktoral Argonne James (Jay) Horwath, penulis pertama penelitian tersebut.

Pola-pola ini terlalu rumit untuk dideteksi oleh para ilmuwan tanpa bantuan AI. ​“Saat kami menyinari sinar X, polanya sangat beragam dan rumit sehingga sulit bagi para ahli untuk memahami apa artinya,” kata Horwath.

Agar para peneliti dapat lebih memahami apa yang mereka pelajari, mereka harus memadatkan semua data menjadi sidik jari yang hanya memuat informasi paling penting tentang sampel. ​“Anda dapat menganggapnya seperti memiliki genom material, yang memiliki semua informasi yang diperlukan untuk merekonstruksi keseluruhan gambar,” kata Horwath.

AI-NERD: Memetakan Sidik Jari Material

Proyek ini disebut Kecerdasan Buatan untuk Dinamika Relaksasi Non-Ekuilibrium, atau AI-NERD. Sidik jari dibuat dengan menggunakan teknik yang disebut autoencoder. Autoencoder adalah jenis jaringan saraf yang mengubah data gambar asli menjadi sidik jari — yang disebut representasi laten oleh para ilmuwan — dan yang juga mencakup algoritma dekoder yang digunakan untuk beralih dari representasi laten kembali ke gambar penuh.

Tujuan para peneliti adalah mencoba membuat peta sidik jari material, mengelompokkan sidik jari dengan karakteristik serupa ke dalam lingkungan. Dengan melihat secara holistik fitur berbagai lingkungan sidik jari pada peta, para peneliti dapat lebih memahami bagaimana material tersebut terstruktur dan bagaimana mereka berevolusi seiring waktu saat mereka diberi tekanan dan relaksasi.

AI, secara sederhana, memiliki kemampuan pengenalan pola umum yang baik, sehingga mampu mengkategorikan berbagai gambar sinar-X secara efisien dan mengurutkannya ke dalam peta. ​“Tujuan AI hanyalah memperlakukan pola hamburan sebagai gambar atau foto biasa dan mengolahnya untuk mengetahui pola yang berulang,” kata Horwath. ​“AI adalah pakar pengenalan pola.”

Penggunaan AI untuk memahami data hamburan akan menjadi sangat penting saat APS yang ditingkatkan mulai beroperasi. Fasilitas yang ditingkatkan akan menghasilkan sinar X yang 500 kali lebih terang daripada APS asli. ​”Data yang kami peroleh dari APS yang ditingkatkan akan membutuhkan kekuatan AI untuk memilahnya,” kata Horwath.

Upaya Kolaboratif dalam Simulasi Dinamika Material

Kelompok teori di CNM berkolaborasi dengan kelompok komputasi di divisi Ilmu Sinar-X Argonne untuk melakukan simulasi molekuler dari dinamika polimer yang ditunjukkan oleh XPCS dan selanjutnya menghasilkan data sintetis untuk melatih alur kerja AI seperti AI-NERD.

Sebuah makalah berdasarkan penelitian ini diterbitkan pada tanggal 15 Juli di Komunikasi Alam.

Referensi: “AI-NERD: Penjelasan dinamika relaksasi di luar keseimbangan melalui spektroskopi korelasi foton sinar-X yang diinformasikan AI” oleh James P. Horwath, Xiao-Min Lin, Hongrui He, Qingteng Zhang, Eric M. Dufresne, Miaoqi Chu, Subramanian KRS Sankaranarayanan, Wei Chen, Suresh Narayanan dan Mathew J. Cherukara, 15 Juli 2024, Komunikasi Alam.
Nomor Induk Kependudukan: 10.1038/s41467-024-49381-z

Penelitian ini didanai melalui hibah penelitian dan pengembangan yang diarahkan laboratorium Argonne.

Penulis studi tersebut meliputi James (Jay) Horwath, Xiao-Min Lin, Hongrui He, Qingteng Zhang, Eric Dufresne, Miaoqi Chu, Subramanian Sankaranaryanan, Wei Chen, Suresh Narayanan, dan Mathew Cherukara dari Argonne. Chen dan He memiliki jabatan bersama di Universitas Chicagodan Sankaranaryanan memiliki jabatan bersama di Universitas Illinois Chicago.