Speaker
Description
As cordas cósmicas são defeitos topológicos previstos em diversos cenários de física de altas energias no universo primordial. Sua detecção representaria uma evidência decisiva de processos além do Modelo Padrão e da cosmologia padrão. Um dos principais sinais associados a essas estruturas é a formação de rastros (“wakes”) na distribuição de matéria em larga escala, cuja morfologia se diferencia das flutuações típicas da estrutura cósmica. A busca por esses rastros enfrenta, entretanto, dificuldades significativas devido ao ruído estatístico, à complexidade do crescimento não linear da matéria e à possibilidade de contaminações artificiais em simulações numéricas.
Neste trabalho, apresentamos um projeto em desenvolvimento que busca aplicar técnicas de inteligência artificial, em particular redes neurais convolucionais, para distinguir a presença ou ausência de rastros de cordas cósmicas em mapas cosmológicos simulados. A estratégia consiste em utilizar pares de simulações com e sem a inserção do sinal de wake, de modo a treinar a rede a reconhecer padrões sutis característicos dessas estruturas. Para aprimorar o treinamento e a avaliação, também foram definidas estatísticas auxiliares capazes de quantificar tanto a intensidade do rastro quanto a presença de artefatos não físicos, servindo como parâmetros adicionais no processo de classificação.
Embora ainda não tenhamos resultados quantitativos, espera-se que a metodologia ofereça uma alternativa promissora às análises tradicionais, aumentando a sensibilidade à detecção de cordas cósmicas em futuros levantamentos de grande escala. Este projeto busca, assim, contribuir para a exploração de fronteiras na cosmologia computacional e na interseção entre inteligência artificial e física fundamental.
