Как лицевото разпознаване помага на астрономите да разкрият тайните на тъмната материя

Може ли същата технология, с която се използва отключете смартфоните на хората също помагат за отключването на тайните на Вселената? Може да звучи малко вероятно, но точно това работят изследователите от швейцарския университет ETH Zurich, фокусиран върху науката и технологиите.

Използване на вариация на типа невронна мрежа с изкуствен интелект зад днешното лицево разпознаване технология, те са разработили нов AI. инструменти, които биха могли да се окажат промени в играта при откриването на т.нар “тъмна материя.” Физиците вярват, че разбирането на тази мистериозна субстанция е необходимо, за да се обяснят фундаменталните въпроси за основната структура на Вселената.

„Алгоритъмът, който [използваме], е много близък до това, което обикновено се използва при разпознаването на лица,“ Янис Флури, докторска степен студент, който работи в лаборатория на ETH Zurich, фокусиран върху прилагането на невронни мрежи към космологични проблеми, каза пред Digital Trends. „Красотата на A.I. е, че може да се учи от почти всякакви данни. При лицевото разпознаване той се научава да разпознава очите, устата и носовете, докато ние търсим структури, които ни подсказват за тъмната материя. Това разпознаване на образи е по същество ядрото на алгоритъма. В крайна сметка ние само го адаптирахме, за да направим извод за основните космологични параметри.

Тъмната материя има значение

Но какво точно търсят изследователите? В момента не е напълно известно. Но както незабравимо заяви съдията от Върховния съд на Съединените щати Потър Стюарт относно непристойността, „Разбирам го, когато го видя.“ Или по-скоро няма - защото не може да се види. Но учените ще го разберат, след като го открият. Добре дошли в странния свят на тъмната материя.

Съществуването на тъмна материя под някаква форма се предполага повече от век. Смята се, че представлява около 27% от Вселената, превишавайки видимата материя в съотношение приблизително шест към едно. Всичко във Вселената, което можем да открием - цялата атомна материя, която изгражда галактики, звезди, планети, живот на Земята, устройството, на което четете тази статия - е само малка, малка част от цялата материя, която съществува. По-голямата част от него не може да бъде проследена директно. Той е невидим и може да преминава направо през нормална видима материя.

Вместо това съществуването му се основава на нашите наблюдения за начина, по който работи Вселената; като съквартирант, когото никога не виждаш, но си сигурен, че съществува, защото неговата половина от сметките се плащат и някой от време на време използва душа, когато го поискаш. Само в този случай това е така, защото учените са установили, че скоростта, с която се въртят галактиките, е достатъчно бързо, за да не могат да се държат заедно просто от гравитацията, генерирана от наблюдаемото материя. Следователно тъмната материя се теоретизира като тайните съставки, които дават на тези галактики допълнителната маса, от която се нуждаят, за да не се разкъсат като самоубийствена хартиена торба. Това е, което кара нормалната материя под формата на прах и газ да се събира и сглобява в звезди и галактики.

Слаби гравитационни лещи на помощ

Да търсиш нещо, което не може да се гледа, звучи трудно. То е. Но има начин, по който учените могат да определят къде според тях е най-вероятно да се намира тъмната материя. Те правят това, като наблюдават фините начини, по които гравитацията на големите галактически купове огъва и изкривява светлината от по-далечни галактики. Това се нарича слаба гравитационна леща.

Наблюдението на зоните около масивни клъстери от галактики позволява на астрономите да идентифицират фонови галактики, които изглеждат изкривени. Чрез обратно инженерство тези изкривявания те могат след това да изолират там, където смятат, че могат да бъдат открити най-плътните концентрации на материя, видими и невидими. Мислете за това като за ефекта на миража, който кара далечните изображения да бъдат замъглени и блестящи в горещ ден - само че много по-далеч.

„Преди това можеше да се изучават карти на масата със слаби лещи чрез ръчно избиране на съответните характеристики“, обясни Янис Флури. „Това е много сложна задача и няма гаранции, че избраните функции съдържат цялата необходима информация. Ние решаваме този проблем с A.I. Приближаване. Конволюционните невронни мрежи, използвани в нашата работа, се отличават с разпознаване на модели.

Конволюционната невронна мрежа е вид вдъхновен от мозъка изкуствен интелект, който често се използва за задачи за класификация на изображения. Докато нейните неврони все още имат научаемите тегла и пристрастия на конвенционалните невронни мрежи (т.е. нещата, които му позволяват да научите), изричното му предположение, че работи с изображения като входни данни, позволява на създателите му да намалят броя на параметрите в мрежа. Това го прави по-ефективен.

„Грубо казано, [работи, като ние предоставяме на мрежите] с голямо количество данни, те автоматично създават набор от сложни филтри, за да извлекат съответната информация от картите,“ Д-р Томаш Качпржак, един от другите съавтори на проекта, каза пред Digital Trends. „След това се опитва да комбинира оптимално тези филтри, за да даде възможно най-точен отговор.“

Извличане на космологичните параметри

Изследователите обучиха своята невронна мрежа, като я захранваха с компютърно генерирани данни, които симулират Вселената. Това му позволи многократно да анализира картите на тъмната материя, за да може да извлече „космологични параметри“ от реални изображения на нощното небе. Резултатите показват подобрения от 30% в сравнение с традиционните методи, базирани на човешки статистически анализ.

„ИИ алгоритъмът се нуждае от много данни, за да се научи във фазата на обучение“, продължи Флури. „Много е важно тези данни за обучение, в нашия случай симулации, да са възможно най-точни. В противен случай ще научи функции, които не присъстват в реалните данни. За да направим това, трябваше да генерираме много големи и точни симулации, което беше голямо предизвикателство. След това трябваше да променим алгоритъма, за да постигнем върхова производителност. Това беше направено чрез тестване на множество мрежови архитектури за оптимизиране на производителността.

След това те използваха своята напълно обучена невронна мрежа, за да анализират действителните карти на тъмната материя. Тези идваха от т.нар Набор от данни KiDS-450, направени с помощта на VLT Survey Telescope (VST) в Чили. Наборът от данни покрива обща площ от около 2200 пъти размера на пълната луна. Той съдържа записи на около 15 милиона галактики.

Поради това изключително голямо количество данни, изследователите се нуждаеха от суперкомпютър, за да приведат в действие своя изкуствен интелект. В крайна сметка те управляваха своя A.I. на компютър в Швейцарския национален суперкомпютърен център в Лугано, град в южна Швейцария, който граничи с Италия. Суперкомпютрите в CSCS са достъпни за всички швейцарски университети и изследователски институции. Неговите машини са толкова мощни, че за да спрат прегряването им, вода от близкото езеро Лугано се изпомпва за охлаждане със скорост 460 литра в секунда.

Космологичен ИИ

„Това беше първото приложение на A.I. за реални космологични данни, включително всички практически аспекти, които идват с тях“, каза Флури. „Бихме могли да покажем, че нашият метод дава последователни резултати върху сравнително малък набор от данни. Надяваме се да използваме същия метод при по-големи наблюдения, но също така да измерваме повече космологични параметри, за да изследваме други аспекти на космологичната физика. И накрая, надяваме се да научим нови прозрения за тъмния сектор на Вселената.

Според Флури, екипът вече е преминал отвъд набора от данни KiDS-450, „тъй като вече има по-нови и по-добри набори от данни“. Един по-специално е Проучване на тъмната енергия, мащабно видимо и близко инфрачервено изследване, извършено от изследователски институции и университети от САЩ, Бразилия, Обединеното кралство, Германия, Испания и Швейцария.

„Преди обаче да можем да анализираме нови набори от данни, трябва да адаптираме нашия метод, така че да може да се справи с увеличения обем данни“, каза Флури. „В момента експериментираме с някои методи, за да постигнем това. След това ще обсъдим следващия набор от данни, който искаме да анализираме. Все още не мога да ви дам график, тъй като зависи от избрания набор от данни и изискванията на симулациите.

Беше документ, описващ работата наскоро публикуван в списанието Physical Review D.

Препоръки на редакторите

• Изследователите искат да използват гравитационни вълни, за да научат за тъмната материя
• Как да гледате изстрелването на телескопа за тъмна материя на Евклид тази събота
• Завършващ щрих: Как учените дават на роботите човекоподобни тактилни сетива
• Хъбъл заснема гигантски галактически клъстер, който може да ни помогне да разберем тъмната материя
• Могат ли свръхмасивни черни дупки да се образуват от тъмна материя?