Multi-tracer simulation-based inference from the first billion years

Il progetto punta a fare luce su uno dei momenti chiave della storia cosmica: il primo miliardo di anni dopo il Big Bang, quando si sono formate le prime galassie e l’Universo è passato da freddo e neutro a caldo e ionizzato, periodo noto come Epoca della Reionizzazione, Per ricostruire questo periodo poco osservabile, il lavoro combina grandi campagne di simulazione con metodi di analisi automatici per l’interpretazione sulle osservazioni dell’Universo primordiale disponibili.

L’obiettivo principale del progetto è quello di costruire un quadro coerente dell’Epoca della Reionizzazione, collegando modelli teorici e osservazioni attraverso un approccio che sfrutta molteplici segnali astronomici e consente di stimare in modo più robusto le proprietà delle prime galassie e dell’ambiente intergalattico.

Le osservazioni dirette di questa fase sono limitate e frammentarie. Ogni misura fornisce solo una parte dell’informazione e risulta difficile interpretarla in modo isolato. Senza un grande numero di simulazioni e senza strumenti di analisi avanzati, manca una visione unificata dell’evoluzione iniziale dell’Universo.

Il progetto ha creato un vasto archivio di simulazioni che esplorano molte combinazioni di condizioni iniziali e parametri fisici. Su questa base è stato sviluppato un sistema di inferenza che utilizza tecniche di Machine Learning per collegare osservazioni “tardive” alle condizioni iniziali, integrando dati eterogeni nelle varie lunghezze d’onda.

I risultati permettono di interpretare in modo più completo le osservazioni disponibili e di preparare il terreno per l’analisi dei dati dei futuri esperimenti astronomici. Il progetto contribuisce anche allo sviluppo di nuove competenze nell’uso congiunto di simulazioni, HPC e intelligenza artificiale.

I risultati del progetto trovano applicazione principalmente nella cosmologia. I metodi sviluppati possono tuttavia rappresentare un riferimento metodologico per altri campi scientifici che combinano Big Data osservativi e simulazioni numeriche, come Astronomia, Fisica delle Particelle e Scienze dei Materiali. L’intero codice prodotto sarà reso pubblico, favorendo l’uso e la replicabilità da parte di altri gruppi di ricerca.