Jak rozpoznávání obličeje pomáhá astronomům odhalit tajemství temné hmoty

Mohla by stejná technologie, na kterou je zvyklá odemknout smartphony lidí také pomoci odhalit tajemství vesmíru? Může to znít nepravděpodobně, ale to je přesně to, o co vědci ze švýcarské vědecké a technologické univerzity ETH Zurich usilují.

Použití variace typu neuronové sítě umělé inteligence za dnešním rozpoznáváním obličeje technologie, vyvinuli novou A.I. nástroje, které by mohly změnit hru v objevu tzv “temná hmota.“ Fyzici se domnívají, že pochopení této záhadné látky je nezbytné k vysvětlení základních otázek o základní struktuře vesmíru.

"Algoritmus, který používáme, je velmi blízký tomu, co se běžně používá při rozpoznávání obličejů," Janis Fluri, Ph. D. Student, který pracuje v laboratoři ETH Zurich zaměřené na aplikaci neuronových sítí na kosmologické problémy, řekl Digital Trends. „Krása A.I. je, že se může učit v podstatě z jakýchkoli dat. Při rozpoznávání obličeje se učí rozpoznávat oči, ústa a nosy, zatímco my hledáme struktury, které nám napovídají o temné hmotě. Toto rozpoznávání vzorů je v podstatě jádrem algoritmu. Nakonec jsme to pouze přizpůsobili, abychom odvodili základní kosmologické parametry."

Na temné hmotě záleží

Ale co přesně je to, co výzkumníci hledají? Momentálně to není úplně znát. Ale jak soudce Nejvyššího soudu Spojených států Potter Stewart nezapomenutelně prohlásil o obscénnosti: „Poznám to, když to vidím. Nebo spíše nebudeme – protože to není vidět. Ale vědci to budou vědět, jakmile to najdou. Vítejte v podivném světě temné hmoty.

Existence temné hmoty v nějaké formě byla předpokládána již více než jedno století. Předpokládá se, že tvoří asi 27 % vesmíru a převažuje viditelnou hmotu v poměru přibližně šest ku jedné. Vše ve vesmíru, co můžeme detekovat – veškerou atomovou hmotu, která tvoří galaxie, hvězdy, planety, život na Zemi, zařízení, na kterém čtete tento článek – je jen nepatrný, nepatrný zlomek veškeré hmoty, která existuje. Převážnou část toho nelze přímo sledovat. Je neviditelná a schopná procházet přímo běžnou viditelnou hmotou.

Místo toho je jeho existence založena na našich pozorováních o tom, jak vesmír funguje; jako spolubydlící, kterého nikdy nevidíte, ale jste si jisti, že existuje, protože jejich polovina účtů je zaplacena a někdo se občas používá ve sprše, když ji chcete. Pouze v tomto případě je to proto, že vědci zjistili, že rychlost rotace galaxií je stejná dostatečně rychle, aby nemohly být drženy pohromadě jednoduše gravitací generovanou pozorovatelným hmota. Temná hmota je proto teoretizována jako tajné přísady, které dávají těmto galaxiím extra hmotu, kterou potřebují, aby se neroztrhly jako sebevražedný papírový sáček. Je to to, co pohání normální hmotu ve formě prachu a plynu, aby se shromažďovala a sestavovala do hvězd a galaxií.

Slabá gravitační čočka na záchranu

Hledat něco, na co se nedá dívat, zní složitě. To je. Existuje však způsob, kterým jsou vědci schopni přesně určit, kde se podle nich temná hmota pravděpodobně nachází. Dělají to tak, že se dívají na jemné způsoby světla, které gravitace velkých kup galaxií ohýbá a deformuje světlo ze vzdálenějších galaxií. Tomu se říká slabá gravitační čočka.

Pozorování oblastí kolem masivních kup galaxií umožňuje astronomům identifikovat galaxie v pozadí, které se jeví jako pokřivené. Reverzním inženýrstvím těchto deformací pak mohou izolovat místa, kde se domnívají, že lze nalézt nejhustší koncentrace hmoty, viditelné i neviditelné. Přemýšlejte o tom jako o efektu přeludu, který způsobuje, že vzdálené snímky jsou rozmazané a třpytivé v horkém dni – jen o hodně dále.

"Dříve bylo možné studovat mapy hmoty slabé čočky ručním výběrem příslušných funkcí," vysvětlil Janis Fluri. „Jde o velmi komplikovaný úkol a neexistuje žádná záruka, že vybrané funkce obsahují všechny relevantní informace. Tento problém řešíme pomocí A.I. přístup. Konvoluční neuronové sítě používané v naší práci vynikají v rozpoznávání vzorů.“

Konvoluční neuronová síť je typem umělé inteligence inspirované mozkem, která se často používá pro úkoly klasifikace obrázků. Zatímco jeho neurony mají stále naučitelné váhy a zkreslení konvenčních neuronových sítí (tj. věcí, které jim umožňují learn), jeho výslovný předpoklad, že se zabývá obrázky jako vstupy, umožňuje jeho tvůrcům snížit počet parametrů v síť. Díky tomu je efektivnější.

„Zhruba řečeno, [funguje to tak, že poskytujeme sítím] velké množství dat, které automaticky vytvářejí sadu složitých filtrů pro extrahování relevantních informací z map,“ Dr. Tomasz Kacprzak, jeden z dalších spoluautorů projektu, řekl Digital Trends. "Pak se snaží optimálně kombinovat tyto filtry, aby poskytl co nejpřesnější odpověď."

Extrakce kosmologických parametrů

Výzkumníci trénovali svou neuronovou síť tím, že do ní dodávali počítačově generovaná data, která simulují vesmír. To mu umožnilo opakovaně analyzovat mapy temné hmoty, aby bylo možné extrahovat „kosmologické parametry“ ze skutečných snímků noční oblohy. Výsledky ukázaly zlepšení o 30 % ve srovnání s tradičními metodami na základě statistické analýzy provedené člověkem.

"A.I. algoritmus potřebuje hodně dat, aby se naučil ve fázi školení,“ pokračoval Fluri. „Je velmi důležité, aby tato tréninková data, v našem případě simulace, byla co nejpřesnější. Jinak se naučí funkce, které ve skutečných datech nejsou. Abychom toho dosáhli, museli jsme vygenerovat spoustu velkých a přesných simulací, což bylo velmi náročné. Poté jsme museli algoritmus vyladit, abychom dosáhli špičkového výkonu. To bylo provedeno testováním více síťových architektur pro optimalizaci výkonu.“

Poté použili svou plně trénovanou neuronovou síť k analýze skutečných map temné hmoty. Ty pocházely z tzv Datová sada KiDS-450, vyrobený pomocí VLT Survey Telescope (VST) v Chile. Soubor dat pokrývá celkovou plochu přibližně 2200krát větší než je velikost Měsíce v úplňku. Obsahuje záznamy o přibližně 15 milionech galaxií.

Kvůli tomuto mimořádně velkému množství dat potřebovali vědci superpočítač, který by jejich umělou inteligenci uvedl do provozu. Nakonec provozovali svou A.I. na počítači ve Švýcarském národním superpočítačovém centru v Luganu, městě v jižním Švýcarsku, které hraničí s Itálií. Superpočítače v CSCS jsou k dispozici všem švýcarským univerzitám a výzkumným institucím. Jeho stroje jsou tak silné, že aby se zabránilo jejich přehřívání, vody z nedalekého jezera Lugano se čerpá pro chlazení rychlostí 460 litrů za sekundu.

Kosmologický A.I.

„Toto byla první aplikace A.I. pro skutečná kosmologická data, včetně všech praktických aspektů, které s tím přicházejí,“ řekl Fluri. „Mohli bychom ukázat, že naše metoda poskytuje konzistentní výsledky na relativně malém souboru dat. Doufáme, že stejnou metodu použijeme na větší pozorování, ale také měření více kosmologických parametrů k prozkoumání dalších aspektů kosmologické fyziky. Konečně doufáme, že se dozvíme nové poznatky o [temném] sektoru vesmíru.“

Podle Fluriho se tým nyní posunul za datovou sadu KiDS-450, "protože nyní existují novější a lepší datové sady." Jedním z nich je zejména Průzkum temné energie, rozsáhlého viditelného a blízkého infračerveného průzkumu, který provádějí výzkumné instituce a univerzity z USA, Brazílie, Spojeného království, Německa, Španělska a Švýcarska.

"Než však budeme moci analyzovat nové datové sady, musíme upravit metodu tak, aby zvládla zvýšený objem dat," řekl Fluri. „V současné době experimentujeme s některými metodami, jak toho dosáhnout. Poté budeme diskutovat o dalším datovém souboru, který chceme analyzovat. Zatím vám nemohu poskytnout časový plán, protože to závisí na zvoleném datovém souboru a požadavcích simulací.“

Papír popisující práci byl nedávno publikované v časopise Physical Review D.

Doporučení redakce

• Vědci chtějí pomocí gravitačních vln poznávat temnou hmotu
• Jak sledovat start Euklidova dalekohledu temné hmoty tuto sobotu
• Finishing touch: Jak vědci dávají robotům lidské hmatové smysly
• Hubble zachytil obří kupu galaxií, která by nám mohla pomoci porozumět temné hmotě
• Mohly by z temné hmoty vzniknout supermasivní černé díry?