Deep Learning for f (T) Gravity: Joint PINN Reconstruction and MCMC Analysis of Data Sets

على مدى عقود، راقب علماء الفلك الكون وهو يتمدد بوتيرة متزايدة باستمرار. هذا الاكتشاف، الذي تم في أواخر التسعينيات، قلب الاعتقاد السائد منذ فترة طويلة بأن الجاذبية يجب أن تبطئ حركة الكون. ولتفسير هذا التسارع، اقترح العلماء وجود قوة غامضة تسمى الطاقة المظلمة، والتي تُنمذج غالباً كطاقة ثابتة تملأ الفضاء الفارغ. ومع ذلك، يواجه هذا التفسير القياسي، المعروف بنموذج "لامدا كولد دارك ماتر" (المادة المظلمة الباردة)، ألغازاً نظرية عميقة؛ فهو يترك الفيزيائيين يتساءلون عن سبب تسارع الكون الآن، ولا يقدم سبباً جوهرياً للقوة المحددة لهذا الدفع الغامض. وبسبب هذه الفجوات، بدأ الباحثون في استكشاف ما إذا كانت الجاذبية نفسها قد تسلك سلوكاً مختلفاً على المقاييس الأكبر، وربما تغير قواعدها مع تمدد الكون. إحدى هذه الأفكار هي نظرية تسمى "الجاذبية التليباريلية" (teleparallel gravity)، والتي تصف قوة الجاذبية ليس كالتواء في الفضاء، بل كالتواء أو "تواء" (torsion) في نسيج الكون.

لقد اتخذ فريق من الباحثين من الهند نهجاً جديداً لاختبار هذه الأفكار. فبدلاً من التخمين حول ماهية القواعد التي قد تحكم هذه الجاذبية الملتوية، قاموا ببناء نظام حاسوبي مصمم لتعلم القواعد مباشرة من البيانات. لقد دمجوا مجموعتين ضخمتين من الملاحظات الفلكية: إحداهما تقيس سرعة تمدد الكون في أوقات مختلفة من تاريخه، والأخرى تتبع سطوع النجوم المنفجرة لرسم خرائط المسافات الكونية. ومن خلال تغذية هذه البيانات في نوع متخصص من الذكاء الاصطناعي يُعرف باسم "الشبكة العصبية المستنيرة بالفيزياء"، سمح الباحثون للكمبيوتر بإعادة بناء تاريخ توسع الكون مع الالتزام الصارم بقوانين الفيزياء. لم يفترض النظام شكلاً محدداً لقوة الجاذبية، بل ترك الملاحظات هي التي توجه شكل النظرية.

كانت النتيجة صورة سلسة ومستمرة لكيفية تمدد الكون على مدى مليارات السنين. ومن خلال هذا التاريخ المعاد بناؤه، استخلص الفريق الشكل الرياضي المحدد للجاذبية الملتوية التي ستكون مطلوبة لإنتاج مثل هذا التمدد. ثم قاموا بتبسيط هذا الشكل المعقد المستمد من البيانات إلى صيغة رياضية يمكن التعامل معها باستخدام "كثير حدود تكعيبي"، وهو نوع من المعادلات التي يمكنها الانحناء والالتواء لتناسب الأنماط المعقدة. ولضمان متانة نتائجهم، استخدموا أساليب إحصائية متقدمة لحساب القيم الأكثر احتمالاً للأرقام في هذه المعادلة ورسم نطاق عدم اليقين. وأظهر التحليل أن النموذج المعاد بناؤه يتوافق جيداً مع البيانات الرصدية، حيث يتتبع تاريخ التمدد بدقة عبر كامل نطاق الإزاحة الحمراء المقاسة.

وعندما قارن الباحثون نموذجهم الجديد المستمد من البيانات بالنظرية القياسية للجاذبية، كانت النتائج دقيقة. فالنموذج القياسي، الذي يفترض وجود ثابت كوني ثابت، لا يزال يوفر ملاءمة إحصائية أفضل قليلاً للبيانات، ويتطلب افتراضات أقل لتفسير الملاحظات. ومع ذلك، لم يفشل النموذج الجديد؛ بل ظل وصفاً قابلاً للتطبيق للكون، حيث انحرف عن النظرية القياسية بطريقة سلسة ومنتظمة. لقد أثبتت الدراسة أن التغييرات الطفيفة في قوانين الجاذبية لا تزال مسموحة بها الملاحظات الحالية. ولم يكن الإنجاز الأبرز لهذا العمل هو بالضرورة إثبات أن النموذج القياسي خاطئ، بل إظهار منهجية جديدة قوية. فمن خلال الجمع بين التعلم العميق والتحليل الإحصائي، أنشأ الباحثون مساراً مرناً يمكنه إعادة بناء نظريات الجاذبية مباشرة من السماء، مما يوفر وسيلة لاختبار نظريات الجاذبية المعدلة مقابل بيانات مستقبلية أكثر دقة دون الوقوع في فخ الأفكار المسبقة.