Voisiko olla samaa tekniikkaa, johon on totuttu avata ihmisten älypuhelimia auttaa myös paljastamaan maailmankaikkeuden salaisuudet? Se saattaa kuulostaa epätodennäköiseltä, mutta juuri sitä Sveitsin tiede- ja teknologiapainotteisen yliopiston ETH Zürichin tutkijat pyrkivät saavuttamaan.
Sisällys
- Pimeällä aineella on väliä
- Heikko painovoimalinssi apuun
- Kosmologisten parametrien erottaminen
- Kosmologinen A.I.
Käyttämällä muunnelmaa tekoälyn hermoverkon tyypistä nykypäivän kasvojentunnistuksen takana teknologiaa, he ovat kehittäneet uuden A.I. työkaluja, jotka voisivat osoittautua pelin muuttajaksi ns “pimeä aine.” Fyysikot uskovat, että tämän salaperäisen aineen ymmärtäminen on välttämätöntä, jotta voidaan selittää peruskysymyksiä maailmankaikkeuden taustalla olevasta rakenteesta.
Suositellut videot
"[Käyttämämme] algoritmi on hyvin lähellä sitä, mitä yleisesti käytetään kasvojentunnistuksessa." Janis Fluri, tohtori opiskelija, joka työskentelee ETH Zürich -laboratoriossa ja keskittyi soveltamaan neuroverkkoja kosmologisiin ongelmiin, kertoi Digital Trends. "A.I: n kauneus se voi oppia periaatteessa mistä tahansa tiedosta. Kasvojentunnistuksessa se oppii tunnistamaan silmät, suun ja nenän, samalla kun etsimme rakenteita, jotka antavat meille vihjeitä pimeästä aineesta. Tämä kuviontunnistus on pohjimmiltaan algoritmin ydin. Lopulta sovitimme sen vain päättelemään taustalla olevat kosmologiset parametrit.
Pimeällä aineella on väliä
Mutta mitä tarkalleen ottaen tutkijat etsivät? Tällä hetkellä se ei ole täysin tiedossa. Mutta kuten Yhdysvaltain korkeimman oikeuden tuomari Potter Stewart ikimuistoisesti totesi säädyttömyydestä: "Tiedän sen, kun näen sen." Tai pikemminkin emme tee – koska sitä ei voi nähdä. Mutta tiedemiehet tietävät sen, kun he ovat löytäneet sen. Tervetuloa pimeän aineen outoon maailmaan.
Pimeän aineen olemassaoloa jossain muodossa on oletettu jo yli vuosisadan ajan. Sen uskotaan muodostavan noin 27 prosenttia maailmankaikkeudesta, ja se painaa näkyvän aineen suhteella noin kuusi yhteen. Kaikki maailmankaikkeudessa, mitä voimme havaita - kaikki atomiaine, joka muodostaa galakseja, tähtiä, planeettoja ja elämää Maan päällä laite, jolla luet tätä artikkelia – on vain pieni, pieni osa kaikesta siitä, mitä olemassa. Valtaosaa siitä ei voida seurata suoraan. Se on näkymätön ja pystyy kulkemaan suoraan tavallisen näkyvän aineen läpi.
Sen sijaan sen olemassaolo perustuu havaintoihinmme maailmankaikkeuden toiminnasta; kuin kotikaveri, jota et koskaan näe, mutta olet varma, että hän on olemassa, koska heidän puolet laskuista maksetaan ja joku käy satunnaisesti suihkussa, kun haluat. Vain tässä tapauksessa se johtuu siitä, että tiedemiehet ovat selvittäneet, että galaksien pyörimisnopeus on riittävän nopeasti, jotta niitä ei voitaisi pitää koossa pelkästään havainnoitavissa olevan painovoiman avulla asia. Pimeän aineen on siksi teoriassa ne salaiset ainesosat, jotka antavat näille galakseille lisämassaa, jota ne tarvitsevat, jotta ne eivät repeydy itsetuhoisen paperipussin tavoin. Se saa normaalin aineen pölyn ja kaasun muodossa kerääntymään ja kerääntymään tähdiksi ja galakseiksi.
Heikko painovoimalinssi apuun
Sellaisen etsiminen, jota ei voi katsoa, kuulostaa vaikealta. Se on. Mutta on olemassa tapa, jolla tutkijat pystyvät paikantamaan, missä heidän mielestään pimeä aine todennäköisimmin sijaitsee. He tekevät tämän tarkastelemalla hienovaraisia tapoja, joilla valo suurien galaksijoukkojen painovoima taivuttaa ja vääristää kaukaisempien galaksien valoa. Tätä kutsutaan heikoksi gravitaatiolinssiksi.
Massiivisten galaksijoukkojen ympärillä olevia alueita tarkkailemalla tähtitieteilijät voivat tunnistaa taustagalaksit, jotka näyttävät vääntyneiltä. Palauttamalla nämä vääristymät he voivat sitten eristää sieltä, missä he uskovat, että tiheimmät ainepitoisuudet, sekä näkyvät että näkymätön, löytyvät. Ajattele sitä kuin mirage-efektiä, joka saa kaukaiset kuvat sumenemaan ja hohtamaan kuumana päivänä – vain paljon kauempana.
"Aiemmin tutkittiin heikkojen linssien massakarttoja valitsemalla käsin tarvittavat ominaisuudet", Janis Fluri selitti. ”Tämä on erittäin monimutkainen tehtävä, eikä ole mitään takeita siitä, että valitut ominaisuudet sisältävät kaiken oleellisen tiedon. Ratkaisemme tämän ongelman A.I: n avulla. lähestyä. Työssämme käytetyt konvoluutiohermoverkot ovat loistavia hahmontunnistuksessa."
Konvoluutiohermoverkko on eräänlainen aivojen inspiroima tekoäly, jota käytetään usein kuvien luokittelutehtäviin. Vaikka sen neuroneilla on edelleen tavanomaisten hermoverkkojen oppimiskykyiset painot ja poikkeamat (eli asiat, jotka mahdollistavat sen oppia), sen selkeä oletus, että se käsittelee kuvia syötteenä, jonka avulla sen tekijät voivat vähentää parametrien määrää verkkoon. Tämä tekee siitä tehokkaamman.
"Tämä oli ensimmäinen A.I. todellista kosmologista tietoa, mukaan lukien kaikki siihen liittyvät käytännön näkökohdat."
"Karkeasti sanottuna [se toimii siten, että tarjoamme verkoille] suuren määrän dataa, ne luovat automaattisesti joukon monimutkaisia suodattimia karttojen olennaisen tiedon poimimiseksi." Tohtori Tomasz Kacprzak, yksi projektin muista kirjoittajista, kertoi Digital Trendsille. "Sitten se yrittää yhdistää nämä suodattimet optimaalisesti antaakseen mahdollisimman tarkan vastauksen."
Kosmologisten parametrien erottaminen
Tutkijat kouluttivat hermoverkkoaan syöttämällä sille tietokoneella tuotettua tietoa, joka simuloi maailmankaikkeutta. Tämän ansiosta se pystyi toistuvasti analysoimaan pimeän aineen karttoja voidakseen poimia "kosmologisia parametreja" todellisista yötaivaan kuvista. Tulokset osoittivat 30 % parannuksia perinteisiin menetelmiin verrattuna ihmisen tekemän tilastollisen analyysin perusteella.
"A.I. Algoritmi tarvitsee paljon dataa oppiakseen harjoitusvaiheessa”, Fluri jatkoi. ”On erittäin tärkeää, että tämä harjoitusdata, meidän tapauksessamme simulaatiot, ovat mahdollisimman tarkkoja. Muussa tapauksessa se oppii ominaisuuksia, joita ei ole todellisissa tiedoissa. Tätä varten meidän piti luoda paljon suuria ja tarkkoja simulaatioita, mikä oli erittäin haastavaa. Myöhemmin meidän piti säätää algoritmia huippusuorituskyvyn saavuttamiseksi. Tämä tehtiin testaamalla useita verkkoarkkitehtuureja suorituskyvyn optimoimiseksi."
Sitten he käyttivät täysin koulutettua hermoverkkoaan analysoidakseen todellisia pimeän aineen karttoja. Nämä tulivat ns KiDS-450 tietojoukko, valmistettu käyttämällä VLT Survey Telescopea (VST) Chilessä. Aineisto kattaa kokonaisalueen, joka on noin 2 200 kertaa täysikuun kokoinen. Se sisältää tietoja noin 15 miljoonasta galaksista.
Tämän poikkeuksellisen suuren tietomäärän vuoksi tutkijat tarvitsivat supertietokoneen saattaakseen tekoälynsä käytäntöön. Lopulta he ajoivat A.I. tietokoneella Sveitsin kansallisessa supertietokonekeskuksessa Luganossa, Etelä-Sveitsin kaupungissa, joka rajoittuu Italiaan. CSCS: n supertietokoneet ovat kaikkien sveitsiläisten yliopistojen ja tutkimuslaitosten käytettävissä. Sen koneet ovat niin tehokkaita, että estääkseen niiden ylikuumenemisen, vettä läheisestä Luganojärvestä pumpataan jäähdytykseen nopeudella 460 litraa sekunnissa.
Kosmologinen A.I.
"Tämä oli ensimmäinen A.I. todellista kosmologista tietoa, mukaan lukien kaikki sen mukana tulevat käytännön näkökohdat", Fluri sanoi. ”Voimme osoittaa, että menetelmämme tuottaa johdonmukaisia tuloksia suhteellisen pienellä datajoukolla. Toivomme, että käytämme samaa menetelmää laajemmissa havainnoissa, mutta myös mittaamme enemmän kosmologisia parametreja kosmologisen fysiikan muiden näkökohtien tutkimiseksi. Lopuksi toivomme saavamme uusia oivalluksia maailmankaikkeuden pimeästä sektorista."
Flurin mukaan tiimi on nyt siirtynyt KiDS-450-tietojoukon ulkopuolelle, "koska nyt on uudempia ja parempia tietojoukkoja". Yksi erityisesti on Dark Energy Survey, massiivinen näkyvä ja lähi-infrapunatutkimus, jonka suorittivat tutkimuslaitokset ja yliopistot Yhdysvalloista, Brasilialta, Isosta-Britanniasta, Saksasta, Espanjasta ja Sveitsistä.
"Ennen kuin voimme analysoida uusia tietojoukkoja, meidän on kuitenkin mukautettava menetelmää siten, että se pystyy käsittelemään lisääntyneen datamäärän", Fluri sanoi. ”Kokeilemme parhaillaan joitain menetelmiä tämän saavuttamiseksi. Sen jälkeen keskustelemme seuraavasta datajoukosta, jonka haluamme analysoida. Aikataulua en voi vielä antaa, koska se riippuu valitusta datajoukosta ja simulaatioiden vaatimuksista."
Työtä kuvaava paperi oli julkaistu äskettäin Physical Review D -lehdessä.
Toimittajien suositukset
- Tutkijat haluavat käyttää gravitaatioaaltoja oppiakseen pimeästä aineesta
- Kuinka katsella Euklidisen pimeän aineen teleskoopin laukaisua tänä lauantaina
- Viimeistely: Kuinka tiedemiehet antavat roboteille ihmismäisiä tuntoaisteja
- Hubble vangitsee jättimäisen galaksijoukon, joka voi auttaa meitä ymmärtämään pimeää ainetta
- Voisiko supermassiivisia mustia aukkoja muodostua pimeästä aineesta?
