Može li ista tehnologija na koju se koristi otključati pametne telefone ljudi također pomoći otkriti tajne svemira? Možda zvuči malo vjerojatno, ali upravo to žele postići istraživači sa švicarskog sveučilišta ETH Zurich usmjerenog na znanost i tehnologiju.
Sadržaj
- Tamna tvar je važna
- Slabe gravitacijske leće u pomoć
- Izdvajanje kozmoloških parametara
- Kozmološki A.I.
Korištenje varijacije tipa neuronske mreže umjetne inteligencije koja stoji iza današnjeg prepoznavanja lica tehnologiju, razvili su novi A.I. alata koji bi mogli promijeniti igru u otkrivanju tzv “tamna tvar.” Fizičari vjeruju da je razumijevanje ove misteriozne tvari neophodno za objašnjenje temeljnih pitanja o temeljnoj strukturi svemira.
Preporučeni videozapisi
"Algoritam koji [koristimo] vrlo je blizak onome što se obično koristi u prepoznavanju lica," Janis Fluri, doktorat znanosti student koji radi u laboratoriju ETH u Zurichu usredotočen na primjenu neuronskih mreža na kozmološke probleme, rekao je za Digital Trends. “Ljepota A.I. je da može učiti iz gotovo svih podataka. U prepoznavanju lica uči prepoznavati oči, usta i nos, dok mi tražimo strukture koje nam daju naznake o tamnoj tvari. Ovo prepoznavanje uzoraka u biti je srž algoritma. U konačnici smo ga samo prilagodili kako bismo zaključili temeljne kozmološke parametre.”
Tamna tvar je važna
Ali što je točno ono što istraživači traže? Trenutačno nije posve poznato. Ali kao što je sudac Vrhovnog suda Sjedinjenih Američkih Država Potter Stewart nezaboravno izjavio o opscenosti: "Prepoznam to kad to vidim." Ili bolje rečeno nećemo - jer se ne vidi. Ali znanstvenici će to znati kada ga pronađu. Dobrodošli u čudan svijet tamne tvari.
O postojanju tamne tvari u nekom obliku pretpostavlja se više od jednog stoljeća. Smatra se da čini oko 27% svemira, nadmašujući vidljivu materiju u omjeru otprilike šest prema jedan. Sve u svemiru što možemo otkriti — sva atomska tvar koja čini galaksije, zvijezde, planete, život na Zemlji, uređaj na kojem čitate ovaj članak - samo je mali, maleni djelić sve materije koja postoji. Ogromna većina toga ne može se izravno pratiti. Nevidljiv je i može proći ravno kroz običnu vidljivu tvar.
Umjesto toga, njegovo postojanje temelji se na našim opažanjima o načinu na koji svemir funkcionira; kao ukućanin kojeg nikada ne vidite, ali ste sigurni da postoji jer mu se plaća pola računa i netko se povremeno tušira kad vi to želite. Samo u ovom slučaju, to je zato što su znanstvenici utvrdili da je brzina kojom se galaksije okreću dovoljno brzo da ih ne može držati zajedno jednostavno gravitacija koju stvaraju vidljivi materija. Stoga se teoretizira da je tamna tvar tajni sastojak koji ovim galaksijama daje dodatnu masu koja im je potrebna da se ne raspadnu poput samoubilačke papirnate vrećice. To je ono što pokreće normalnu materiju u obliku prašine i plina da se skupi i sastavi u zvijezde i galaksije.
Slabe gravitacijske leće u pomoć
Tražiti nešto što se ne može gledati zvuči teško. To je. Ali postoji način na koji znanstvenici mogu odrediti gdje se po njihovom mišljenju tamna tvar najvjerojatnije nalazi. Oni to čine promatrajući suptilne načine na koje svjetlost gravitacija velikih galaktičkih jata savija i iskrivljuje svjetlost udaljenijih galaksija. To se zove slaba gravitacijska leća.
Promatranje područja oko masivnih jata galaksija omogućuje astronomima da identificiraju pozadinske galaksije koje izgledaju iskrivljene. Obrnutim inženjeringom ta izobličenja mogu zatim izolirati tamo gdje vjeruju da se mogu pronaći najgušće koncentracije materije, vidljive i nevidljive. Zamislite to kao efekt fatamorgane koji uzrokuje da udaljene slike budu zamućene i svjetlucave tijekom vrućeg dana - samo puno dalje.
"Prije bi se karte mase slabe leće proučavale ručnim odabirom relevantnih značajki", objasnila je Janis Fluri. “Ovo je vrlo kompliciran zadatak i nema jamstava da odabrane značajke sadrže sve relevantne informacije. Ovaj problem rješavamo s A.I. pristup. Konvolucijske neuronske mreže korištene u našem radu izvrsne su u prepoznavanju uzoraka.”
Konvolucijska neuronska mreža vrsta je umjetne inteligencije inspirirane mozgom koja se često koristi za zadatke klasifikacije slika. Iako njegovi neuroni još uvijek imaju težine i pristranosti konvencionalnih neuronskih mreža koje se mogu naučiti (tj. stvari koje mu omogućuju naučiti), njegova eksplicitna pretpostavka da se radi o slikama kao ulazima omogućuje njegovim kreatorima da smanje broj parametara u mreža. To ga čini učinkovitijim.
“Ovo je bila prva primjena A.I. za stvarne kozmološke podatke, uključujući sve praktične aspekte koji dolaze s tim."
"Grubo govoreći, [radi tako da mi dajemo mrežama] veliku količinu podataka, oni automatski stvaraju skup složenih filtara za izdvajanje relevantnih informacija s karata," dr. Tomasz Kacprzak, jedan od ostalih koautora projekta, rekao je za Digital Trends. "Zatim pokušava optimalno kombinirati te filtre kako bi dao što je moguće precizniji odgovor."
Izdvajanje kozmoloških parametara
Istraživači su istrenirali svoju neuronsku mrežu unoseći joj računalno generirane podatke koji simuliraju svemir. To mu je omogućilo da opetovano analizira karte tamne tvari kako bi mogao izvući "kozmološke parametre" iz stvarnih slika noćnog neba. Rezultati su pokazali poboljšanja od 30% u usporedbi s tradicionalnim metodama, temeljena na statističkoj analizi koju su izradili ljudi.
“A.I. algoritam treba mnogo podataka za učenje u fazi obuke,” nastavio je Fluri. “Vrlo je važno da ti podaci o obuci, u našem slučaju simulacije, budu što točniji. Inače će naučiti značajke koje nisu prisutne u stvarnim podacima. Da bismo to učinili, morali smo generirati puno velikih i točnih simulacija, što je bilo vrlo zahtjevno. Nakon toga smo morali prilagoditi algoritam kako bismo postigli vrhunske performanse. To je učinjeno testiranjem višestrukih mrežnih arhitektura za optimizaciju performansi.”
Zatim su upotrijebili svoju potpuno obučenu neuronsku mrežu za analizu stvarnih mapa tamne tvari. Ovi su dolazili iz tzv Skup podataka KiDS-450, napravljen pomoću VLT Survey Telescope (VST) u Čileu. Skup podataka pokriva ukupnu površinu od oko 2200 puta veću od veličine punog Mjeseca. Sadrži zapise o oko 15 milijuna galaksija.
Zbog te iznimno velike količine podataka, istraživačima je bilo potrebno superračunalo kako bi svoju umjetnu inteligenciju pokrenuli. U konačnici su pokrenuli svoj A.I. na računalu u Švicarskom nacionalnom centru za superračunalstvo u Luganu, gradu u južnoj Švicarskoj koji graniči s Italijom. Superračunala u CSCS-u dostupna su svim švicarskim sveučilištima i istraživačkim institucijama. Njegovi su strojevi toliko snažni da, kako bi spriječili njihovo pregrijavanje, vode iz obližnjeg jezera Lugano pumpa se za hlađenje brzinom od 460 litara u sekundi.
Kozmološki A.I.
“Ovo je bila prva primjena A.I. za stvarne kozmološke podatke, uključujući sve praktične aspekte koji dolaze s tim”, rekao je Fluri. “Mogli bismo pokazati da naša metoda daje dosljedne rezultate na relativno malom skupu podataka. Nadamo se da ćemo koristiti istu metodu na većim promatranjima, ali i mjerenju više kozmoloških parametara za ispitivanje drugih aspekata kozmološke fizike. Konačno, nadamo se da ćemo naučiti nove uvide o tamnom sektoru svemira.”
Prema Fluriju, tim je sada otišao dalje od skupa podataka KiDS-450, "budući da sada postoje noviji i bolji skupovi podataka." Jedna je posebno Istraživanje tamne energije, istraživanje velikih razmjera u vidljivom i bliskom infracrvenom području koje su provele istraživačke institucije i sveučilišta iz SAD-a, Brazila, Ujedinjenog Kraljevstva, Njemačke, Španjolske i Švicarske.
"Međutim, prije nego što možemo analizirati nove skupove podataka, moramo prilagoditi našu metodu tako da može podnijeti povećanu količinu podataka", rekao je Fluri. “Trenutno eksperimentiramo s nekim metodama kako bismo to postigli. Nakon toga ćemo razgovarati o sljedećem skupu podataka koji želimo analizirati. Još vam ne mogu dati vremenski okvir jer ovisi o odabranom skupu podataka i zahtjevima simulacija.”
Rad koji opisuje rad bio je nedavno objavljen u časopisu Physical Review D.
Preporuke urednika
- Istraživači žele koristiti gravitacijske valove za učenje o tamnoj tvari
- Kako gledati lansiranje Euklidovog teleskopa tamne tvari ove subote
- Završni dodir: Kako znanstvenici daju robotima ljudska osjetila za dodir
- Hubble je snimio divovsko jato galaksija koje bi nam moglo pomoći u razumijevanju tamne tvari
- Mogu li supermasivne crne rupe nastati od tamne tvari?
