कैसे चेहरे की पहचान खगोलविदों को डार्क मैटर के रहस्यों को उजागर करने में मदद कर रही है

क्या वही तकनीक इस्तेमाल की जा सकती है लोगों के स्मार्टफ़ोन अनलॉक करें ब्रह्मांड के रहस्यों को खोलने में भी मदद मिलेगी? यह असंभव लग सकता है, लेकिन स्विट्जरलैंड के विज्ञान और प्रौद्योगिकी-केंद्रित विश्वविद्यालय ईटीएच ज्यूरिख के शोधकर्ता यही हासिल करने के लिए काम कर रहे हैं।

आज की चेहरे की पहचान के पीछे विभिन्न प्रकार के कृत्रिम बुद्धिमत्ता तंत्रिका नेटवर्क का उपयोग करना प्रौद्योगिकी, उन्होंने नई ए.आई. विकसित की है। ऐसे उपकरण जो तथाकथित की खोज में गेम-चेंजर साबित हो सकते हैं “गहरे द्रव्य।” भौतिकविदों का मानना ​​है कि ब्रह्मांड की अंतर्निहित संरचना के बारे में मूलभूत प्रश्नों को समझाने के लिए इस रहस्यमय पदार्थ को समझना आवश्यक है।

"हम जिस एल्गोरिदम का उपयोग करते हैं वह चेहरे की पहचान में आमतौर पर उपयोग किए जाने वाले एल्गोरिदम के बहुत करीब है," जेनिस फ़्लुरि, एक पीएच.डी. ईटीएच ज्यूरिख लैब में काम करने वाले छात्र ने डिजिटल ट्रेंड्स को बताया कि ब्रह्माण्ड संबंधी समस्याओं के लिए तंत्रिका नेटवर्क को लागू करने पर ध्यान केंद्रित किया गया है। “ए.आई. की सुंदरता।” यह कि यह मूल रूप से किसी भी डेटा से सीख सकता है। चेहरे की पहचान में, यह आंखों, मुंह और नाक को पहचानना सीखता है, जबकि हम उन संरचनाओं की तलाश में हैं जो हमें काले पदार्थ के बारे में संकेत देते हैं। यह पैटर्न पहचान अनिवार्य रूप से एल्गोरिथम का मूल है। अंततः, हमने इसे केवल अंतर्निहित ब्रह्माण्ड संबंधी मापदंडों का अनुमान लगाने के लिए अनुकूलित किया।

डार्क मैटर मायने रखता है

लेकिन वास्तव में वह क्या है जिसकी शोधकर्ता तलाश कर रहे हैं? अभी, यह पूरी तरह से ज्ञात नहीं है। लेकिन जैसा कि संयुक्त राज्य अमेरिका के सुप्रीम कोर्ट के न्यायाधीश पॉटर स्टीवर्ट ने अश्लीलता के बारे में यादगार रूप से कहा, "जब मैं इसे देखता हूं तो मुझे पता चलता है।" या यूँ कहें कि हम ऐसा नहीं करेंगे - क्योंकि इसे देखा नहीं जा सकता। लेकिन वैज्ञानिकों को इसका पता तब चलेगा जब उन्हें यह मिल जाएगा। डार्क मैटर की अजीब दुनिया में आपका स्वागत है।

किसी न किसी रूप में डार्क मैटर के अस्तित्व की परिकल्पना एक शताब्दी से भी अधिक समय से की जा रही है। ऐसा माना जाता है कि यह ब्रह्मांड का लगभग 27% हिस्सा है, जो दृश्य पदार्थ से लगभग छह से एक के अनुपात में भारी है। ब्रह्मांड में वह सब कुछ जिसका हम पता लगा सकते हैं - सभी परमाणु पदार्थ जो आकाशगंगाओं, सितारों, ग्रहों, जीवन का निर्माण करते हैं पृथ्वी पर, जिस उपकरण पर आप यह लेख पढ़ रहे हैं - वह उस सभी पदार्थ का एक छोटा, छोटा सा अंश मात्र है मौजूद। इसके भारी बहुमत को सीधे ट्रैक नहीं किया जा सकता है। यह अदृश्य है और नियमित रूप से दृश्यमान पदार्थ से सीधे गुज़रने में सक्षम है।

इसके बजाय, इसका अस्तित्व ब्रह्मांड के काम करने के तरीके के बारे में हमारी टिप्पणियों पर आधारित है; एक गृहिणी की तरह जिसे आपने कभी नहीं देखा है, लेकिन निश्चित रूप से अस्तित्व में है क्योंकि उनके आधे बिलों का भुगतान हो जाता है और कोई व्यक्ति कभी-कभार जब आप चाहें तो शॉवर का उपयोग कर रहा है। केवल इस मामले में, ऐसा इसलिए है क्योंकि वैज्ञानिकों ने यह पता लगा लिया है कि आकाशगंगाएँ किस गति से घूमती हैं इतनी तेज़ कि उन्हें केवल अवलोकनीय द्वारा उत्पन्न गुरुत्वाकर्षण द्वारा एक साथ नहीं रखा जा सकता था मामला। इसलिए यह माना जाता है कि डार्क मैटर वह गुप्त तत्व है जो इन आकाशगंगाओं को वह अतिरिक्त द्रव्यमान देता है जिसकी उन्हें आवश्यकता होती है ताकि वे आत्मघाती पेपर बैग की तरह खुद को अलग न कर सकें। यह वह है जो धूल और गैस के रूप में सामान्य पदार्थ को इकट्ठा करके तारों और आकाशगंगाओं में एकत्रित करता है।

बचाव के लिए कमजोर गुरुत्वाकर्षण लेंसिंग

किसी ऐसी चीज़ की तलाश करना जिसे देखा न जा सके, कठिन लगता है। यह है। लेकिन एक ऐसा तरीका है जिससे वैज्ञानिक यह पता लगाने में सक्षम हैं कि उनके अनुसार डार्क मैटर के स्थित होने की सबसे अधिक संभावना कहां है। वे प्रकाश के सूक्ष्म तरीकों को देखकर ऐसा करते हैं कि बड़ी आकाशगंगा समूहों का गुरुत्वाकर्षण अधिक दूर की आकाशगंगाओं के प्रकाश को मोड़ देता है और विकृत कर देता है। इसे कमजोर गुरुत्वाकर्षण लेंसिंग कहा जाता है।

आकाशगंगाओं के विशाल समूहों के आसपास के क्षेत्रों का अवलोकन करने से खगोलविदों को पृष्ठभूमि वाली आकाशगंगाओं की पहचान करने में मदद मिलती है जो विकृत दिखाई देती हैं। इन विकृतियों को रिवर्स-इंजीनियरिंग करके वे तब अलग कर सकते हैं जहां उनका मानना ​​​​है कि दृश्य और अदृश्य दोनों प्रकार के पदार्थ की सबसे घनी सांद्रता पाई जा सकती है। इसे मृगतृष्णा प्रभाव की तरह समझें जिसके कारण गर्म दिन में दूर की छवियां धुंधली और चमकदार हो जाती हैं - केवल बहुत दूर की।

जेनिस फ़्लुरी ने बताया, "पहले कोई व्यक्ति प्रासंगिक विशेषताओं को मैन्युअल रूप से चुनकर कमजोर लेंसिंग मास मानचित्रों का अध्ययन करता था।" “यह एक बहुत ही जटिल कार्य है और इसकी कोई गारंटी नहीं है कि चयनित सुविधाओं में सभी प्रासंगिक जानकारी शामिल है। हम इस समस्या को ए.आई. से हल करते हैं। दृष्टिकोण। हमारे काम में उपयोग किए जाने वाले दृढ़ तंत्रिका नेटवर्क पैटर्न पहचान में उत्कृष्टता प्राप्त करते हैं।

कन्वेन्शनल न्यूरल नेटवर्क एक प्रकार का मस्तिष्क-प्रेरित कृत्रिम बुद्धिमत्ता है जिसका उपयोग अक्सर छवि वर्गीकरण कार्यों के लिए किया जाता है। जबकि इसके न्यूरॉन्स में अभी भी पारंपरिक तंत्रिका नेटवर्क के सीखने योग्य वजन और पूर्वाग्रह हैं (यानी वे चीजें जो इसे अनुमति देती हैं) सीखें), इसकी स्पष्ट धारणा है कि यह छवियों के साथ काम कर रहा है क्योंकि इनपुट इसके रचनाकारों को मापदंडों की संख्या को कम करने की अनुमति देता है नेटवर्क। यह इसे और अधिक कुशल बनाता है.

"मोटे तौर पर कहें तो, [यह हमारे द्वारा नेटवर्क प्रदान करने के द्वारा काम करता है] बड़ी मात्रा में डेटा के साथ वे मानचित्रों की प्रासंगिक जानकारी निकालने के लिए स्वचालित रूप से जटिल फ़िल्टर का एक सेट बनाते हैं," डॉ. टोमाज़ काकप्रज़कप्रोजेक्ट के अन्य सह-लेखकों में से एक, ने डिजिटल ट्रेंड्स को बताया। "फिर यह यथासंभव सटीक उत्तर देने के लिए इन फ़िल्टरों को बेहतर ढंग से संयोजित करने का प्रयास करता है।"

ब्रह्माण्ड संबंधी मापदंडों को निकालना

शोधकर्ताओं ने अपने तंत्रिका नेटवर्क को कंप्यूटर-जनित डेटा खिलाकर प्रशिक्षित किया जो ब्रह्मांड का अनुकरण करता है। इसने इसे डार्क मैटर मानचित्रों का बार-बार विश्लेषण करने की अनुमति दी ताकि रात के आकाश की वास्तविक छवियों से "ब्रह्मांड संबंधी पैरामीटर" निकालने में सक्षम हो सके। मानव-निर्मित सांख्यिकीय विश्लेषण के आधार पर, परिणामों में पारंपरिक तरीकों की तुलना में 30% का सुधार देखा गया।

“ए.आई. एल्गोरिथम को प्रशिक्षण चरण में सीखने के लिए बहुत सारे डेटा की आवश्यकता होती है," फ्लुरि ने जारी रखा। “यह बहुत महत्वपूर्ण है कि यह प्रशिक्षण डेटा, हमारे मामले में सिमुलेशन, यथासंभव सटीक हो। अन्यथा, यह उन विशेषताओं को सीख लेगा जो वास्तविक डेटा में मौजूद नहीं हैं। ऐसा करने के लिए, हमें बहुत सारे बड़े और सटीक सिमुलेशन तैयार करने पड़े, जो बहुत चुनौतीपूर्ण था। बाद में, हमें चरम प्रदर्शन प्राप्त करने के लिए एल्गोरिदम में बदलाव करना पड़ा। यह प्रदर्शन को अनुकूलित करने के लिए कई नेटवर्क आर्किटेक्चर का परीक्षण करके किया गया था।

फिर उन्होंने वास्तविक डार्क मैटर मानचित्रों का विश्लेषण करने के लिए अपने पूरी तरह से प्रशिक्षित तंत्रिका नेटवर्क का उपयोग किया। ये तथाकथित से आए हैं KiDS-450 डेटासेट, चिली में वीएलटी सर्वे टेलीस्कोप (वीएसटी) का उपयोग करके बनाया गया। डेटासेट कुल क्षेत्रफल को कवर करता है जो पूर्णिमा के आकार का लगभग 2,200 गुना है। इसमें लगभग 15 मिलियन आकाशगंगाओं का रिकॉर्ड शामिल है।

इस असाधारण रूप से बड़ी मात्रा में डेटा के कारण, शोधकर्ताओं को अपनी कृत्रिम बुद्धिमत्ता को क्रियान्वित करने के लिए एक सुपर कंप्यूटर की आवश्यकता थी। अंततः उन्होंने अपना ए.आई. चलाया। लूगानो में स्विस नेशनल सुपरकंप्यूटिंग सेंटर के एक कंप्यूटर पर, दक्षिणी स्विट्जरलैंड का एक शहर जो इटली की सीमा से लगता है। सीएससीएस के सुपर कंप्यूटर सभी स्विस विश्वविद्यालयों और अनुसंधान संस्थानों के लिए उपलब्ध हैं। इसकी मशीनें इतनी शक्तिशाली हैं कि, उन्हें ज़्यादा गर्म होने से रोकने के लिए, पास की लूगानो झील का पानी ठंडा करने के लिए 460 लीटर प्रति सेकंड की दर से पंप किया जाता है।

एक ब्रह्माण्ड संबंधी ए.आई.

“यह ए.आई. का पहला अनुप्रयोग था। वास्तविक ब्रह्माण्ड संबंधी डेटा के लिए, जिसमें इसके साथ आने वाले सभी व्यावहारिक पहलू भी शामिल हैं," फ्लुरि ने कहा। “हम दिखा सकते हैं कि हमारी पद्धति अपेक्षाकृत छोटे डेटा सेट पर लगातार परिणाम उत्पन्न करती है। हम बड़े अवलोकनों पर उसी पद्धति का उपयोग करने की उम्मीद करते हैं, लेकिन ब्रह्माण्ड संबंधी भौतिकी के अन्य पहलुओं की जांच के लिए अधिक ब्रह्माण्ड संबंधी मापदंडों को भी मापेंगे। अंत में, हम ब्रह्मांड के अंधेरे क्षेत्र के बारे में नई अंतर्दृष्टि जानने की उम्मीद करते हैं।

फ्लुरी के अनुसार, टीम अब KiDS-450 डेटासेट से आगे बढ़ गई है, "क्योंकि अब नए और बेहतर डेटासेट मौजूद हैं।" विशेष रूप से एक है डार्क एनर्जी सर्वे, अमेरिका, ब्राज़ील, यूनाइटेड किंगडम, जर्मनी, स्पेन और स्विट्जरलैंड के अनुसंधान संस्थानों और विश्वविद्यालयों द्वारा बड़े पैमाने पर दृश्यमान और निकट-अवरक्त सर्वेक्षण किया गया।

फ़्लुरी ने कहा, "इससे पहले कि हम नए डेटासेट का विश्लेषण कर सकें, हमें ऐसी पद्धति को अनुकूलित करने की आवश्यकता है ताकि यह बढ़ी हुई डेटा मात्रा को संभाल सके।" “हम वर्तमान में इसे प्राप्त करने के लिए कुछ तरीकों का प्रयोग कर रहे हैं। उसके बाद हम अगले डेटासेट पर चर्चा करेंगे जिसका हम विश्लेषण करना चाहते हैं। मैं आपको अभी तक कोई समय-सीमा नहीं दे सकता, क्योंकि यह चुने गए डेटासेट और सिमुलेशन की आवश्यकताओं पर निर्भर करता है।

कार्य का वर्णन करने वाला एक पेपर था हाल ही में फिजिकल रिव्यू डी जर्नल में प्रकाशित हुआ.

संपादकों की सिफ़ारिशें

• शोधकर्ता डार्क मैटर के बारे में जानने के लिए गुरुत्वाकर्षण तरंगों का उपयोग करना चाहते हैं
• इस शनिवार यूक्लिड डार्क मैटर टेलीस्कोप लॉन्च को कैसे देखें
• अंतिम स्पर्श: कैसे वैज्ञानिक रोबोटों को मानव जैसी स्पर्श संवेदना दे रहे हैं
• हबल ने विशाल आकाशगंगा समूह को पकड़ लिया है जो हमें डार्क मैटर को समझने में मदद कर सकता है
• क्या महाविशाल ब्लैक होल डार्क मैटर से बन सकते हैं?