Luisa Lucie-Smith gewinnt zweiten Platz beim „RAS Michael Penston“-Preis
In ihrer Doktorarbeit entwickelte Luisa Lucie-Smith einen neuen, auf maschinellem Lernen basierenden Ansatz, um unser Verständnis der kosmologischen Strukturbildung im Universum zu vertiefen. Ein theoretisches Verständnis der Struktur, Entwicklung und Entstehung von Halos aus dunkler Materie ist ein wesentlicher Schritt, um die komplizierte Verbindung zwischen Halo- und Galaxienentstehung zu entschlüsseln. Nur dann kann das kosmologische Modell anhand von Daten aus kommenden Galaxiendurchmusterungen getestet werden.
Luisa und ihre Kollegen trainierten Algorithmen für maschinelles Lernen (ML) darauf, die Beziehung zwischen den Anfangsbedingungen und den endgültigen Halos aus dunkler Materie in N-Körper-Simulationen zu erkennen. Ihr Ziel war es, zu verstehen, welche Informationen der ML-Algorithmus über die zugrundeliegende Verbindung zwischen dem frühen Universum und den späteren Halos der dunklen Materie lernt; dies unterscheidet sich von den üblichen Ansätzen, bei denen maschinelles Lernen als Black-Box eingesetzt wird, um schnelle und automatisierte Zuordnungen zu erhalten. Die neue Methode führte dazu, das Verständnis der Haloentstehung, das sich in den letzten Jahrzehnten herausgebildet hatte, neu zu interpretieren, insbesondere in Bezug darauf, welche Rolle die Gezeitenscherung bei der Bestimmung der Endmasse von Halos aus dunkler Materie spielt.
Seit November 2020 ist Luisa wissenschaftliche Mitarbeiterin am Max-Planck-Institut für Astrophysik in Garching, wo sie an ihrem eigenen Forschungsprogramm arbeitet und ML-Algorithmen weiterentwickelt, um sie auf die kosmologische Strukturentstehung anzuwenden. Sie ist besonders daran interessiert, die Struktur von Halos aus dunkler Materie und deren Beziehung zu den Anfangsbedingungen des Universums zu verstehen, sowie die Verbindung zwischen Halos und Galaxien. Als nächsten Schritt plant sie, diese Techniken auf andere, weniger gut verstandene kosmische Strukturen wie große Leerräume im All anzuwenden.