Lehet, hogy ugyanaz a technológia, mint amit szoktak feloldja az emberek okostelefonját segít feltárni az univerzum titkait is? Valószínűtlennek tűnhet, de pontosan ezen dolgoznak a svájci tudományos és technológiai központú ETH Zürich egyetem kutatói.
Tartalom
- A sötét anyag számít
- Gyenge gravitációs lencse a mentéshez
- A kozmológiai paraméterek kinyerése
- Egy kozmológiai A.I.
A mai arcfelismerés mögött meghúzódó mesterséges intelligencia neurális hálózatának egy változatának felhasználása technológia, új A.I. eszközöket, amelyek megváltoztatónak bizonyulhatnak a felfedezésben az ún “sötét anyag.” A fizikusok úgy vélik, hogy ennek a titokzatos anyagnak a megértése szükséges ahhoz, hogy megmagyarázzuk az univerzum mögöttes szerkezetére vonatkozó alapvető kérdéseket.
Ajánlott videók
"Az általunk használt algoritmus nagyon közel áll az arcfelismerésben szokásosan használthoz" Janis Fluri, Ph. D. Az ETH zürichi laboratóriumában dolgozó diák a neurális hálózatok kozmológiai problémákra való alkalmazására összpontosított – mondta a Digital Trends. „A.I. szépsége lényegében bármilyen adatból tanulhat. Az arcfelismerés során megtanulja felismerni a szemet, a szájat és az orrot, miközben olyan struktúrákat keresünk, amelyek a sötét anyagra utalnak. Ez a mintafelismerés lényegében az algoritmus magja. Végső soron csak a mögöttes kozmológiai paraméterek kikövetkeztetésére igazítottuk.
A sötét anyag számít
De mit is keresnek pontosan a kutatók? Jelenleg ez nem teljesen ismert. De ahogy az Egyesült Államok Legfelsőbb Bíróságának bírója, Potter Stewart emlékezetesen kijelentette a trágárságról: „Tudom, amikor látom.” Vagy inkább nem fogjuk – mert nem lehet látni. De a tudósok tudni fogják, ha megtalálják. Üdvözöljük a sötét anyag furcsa világában.
A sötét anyag valamilyen formában való létezését jóval több mint egy évszázada feltételezték. Úgy gondolják, hogy az univerzum körülbelül 27%-át teszi ki, és körülbelül hat az egyhez arányban haladja meg a látható anyagot. Minden az univerzumban, amit észlelni tudunk – az összes atomi anyag, amely galaxisokat, csillagokat, bolygókat, életet alkot a Földön az eszköz, amelyen ezt a cikket olvassa – csak egy apró töredéke annak az anyagnak, létezik. Ennek túlnyomó része nem követhető közvetlenül. Láthatatlan, és képes egyenesen áthaladni a szabályos látható anyagon.
Ehelyett a létezése a világegyetem működésével kapcsolatos megfigyeléseinken alapul; mint egy házitárs, akit soha nem lát, de biztos, hogy létezik, mert a számláik felét kifizetik, és valaki időnként akkor zuhanyoz, amikor te akarod. Csak ebben az esetben azért, mert a tudósok kidolgozták, hogy a galaxisok forgási sebessége ilyen elég gyors ahhoz, hogy ne tarthassa össze őket egyszerűen a megfigyelhető gravitáció ügy. Ezért az elméletek szerint a sötét anyag azok a titkos összetevők, amelyek megadják ezeknek a galaxisoknak azt az extra tömeget, amelyre szükségük van ahhoz, hogy ne szakadjanak szét, mint egy öngyilkos papírzacskó. Ez az, ami a normál anyagokat por és gáz formájában összegyűjti, és csillagokká és galaxisokká gyűjti össze.
Gyenge gravitációs lencse a mentéshez
Olyat keresni, amire nem lehet ránézni, nehéznek hangzik. Ez. De van mód arra, hogy a tudósok pontosan meghatározzák, szerintük hol található a legvalószínűbb a sötét anyag. Ezt úgy teszik, hogy megvizsgálják, hogy a nagy galaxishalmazok gravitációja milyen finom fényt hajlít meg és torzítja el a távolabbi galaxisok fényét. Ezt gyenge gravitációs lencséknek nevezik.
A hatalmas galaxishalmazok körüli területek megfigyelése lehetővé teszi a csillagászok számára, hogy azonosítsák az elvetemültnek tűnő háttérgalaxisokat. Ezeknek a torzulásoknak a visszafejtésével elkülöníthetik, hol találhatók a látható és láthatatlan anyagok legsűrűbb koncentrációi. Tekintsd úgy, mint a délibáb effektust, amely a távoli képeket homályossá és csillogóvá teszi egy forró napon – csak sokkal távolabb.
„Korábban a gyenge lencsetömeg-térképeket a releváns jellemzők manuális kiválasztásával tanulmányozták” – magyarázta Janis Fluri. „Ez egy nagyon bonyolult feladat, és nincs garancia arra, hogy a kiválasztott funkciók minden lényeges információt tartalmaznak. Ezt a problémát az A.I-vel oldjuk meg. megközelítés. A munkánkban használt konvolúciós neurális hálózatok kiválóak a mintafelismerésben.”
A konvolúciós neurális hálózat az agy által inspirált mesterséges intelligencia egyik típusa, amelyet gyakran használnak képosztályozási feladatokhoz. Noha neuronjai továbbra is rendelkeznek a hagyományos neurális hálózatok tanulható súlyaival és torzításaival (azaz olyan dolgokkal, amelyek lehetővé teszik számára, hogy tanulni), explicit feltételezése, hogy képekkel foglalkozik, mivel bemenetként lehetővé teszi az alkotói számára, hogy csökkentsék a paraméterek számát a hálózat. Ez hatékonyabbá teszi.
„Ez volt az A.I. első alkalmazása. valós kozmológiai adatokhoz, beleértve az ezekhez kapcsolódó összes gyakorlati vonatkozást."
"Nagyon szólva [ez úgy működik, hogy mi biztosítjuk a hálózatokat] nagy mennyiségű adattal, automatikusan létrehoznak egy komplex szűrőkészletet a térképek releváns információinak kinyerésére." Dr. Tomasz Kacprzak, a projekt egyik másik társszerzője mondta a Digital Trendsnek. "Ezután megpróbálja optimálisan kombinálni ezeket a szűrőket, hogy a lehető legpontosabb választ adjon."
A kozmológiai paraméterek kinyerése
A kutatók úgy képezték ki neurális hálózatukat, hogy számítógéppel generált adatokat tápláltak be, amelyek szimulálják az univerzumot. Ez lehetővé tette számára, hogy ismételten elemezze a sötét anyag térképét, hogy „kozmológiai paramétereket” tudjon kinyerni az éjszakai égbolt valós képeiből. Az eredmények 30%-os javulást mutattak a hagyományos módszerekhez képest, az ember által készített statisztikai elemzés alapján.
„Az A.I. Az algoritmusnak sok adatra van szüksége, hogy megtanulja a képzési szakaszban” – folytatta Fluri. „Nagyon fontos, hogy ezek a képzési adatok, esetünkben a szimulációk a lehető legpontosabbak legyenek. Ellenkező esetben olyan funkciókat tanul meg, amelyek nem jelennek meg a valós adatokban. Ehhez sok nagy és pontos szimulációt kellett generálnunk, ami nagy kihívást jelentett. Ezután módosítanunk kellett az algoritmuson a csúcsteljesítmény elérése érdekében. Ez több hálózati architektúra tesztelésével történt a teljesítmény optimalizálása érdekében.
Ezután teljesen kiképzett neurális hálózatukat használták a tényleges sötét anyag térképek elemzésére. Ezek az ún KiDS-450 adatkészletA chilei VLT Survey Telescope (VST) segítségével készült. Az adatkészlet a telihold méretének körülbelül 2200-szorosát fedi le. Körülbelül 15 millió galaxis rekordját tartalmazza.
A rendkívül nagy mennyiségű adat miatt a kutatóknak szuperszámítógépre volt szükségük mesterséges intelligenciájuk működésbe hozásához. Végül lefuttatták az A.I. egy számítógépen a Svájci Nemzeti Szuperszámítógép Központban Luganóban, egy Olaszországgal határos dél-svájci városban. A CSCS szuperszámítógépei minden svájci egyetem és kutatóintézet rendelkezésére állnak. Gépei olyan erősek, hogy a túlmelegedés megakadályozása érdekében vizet a közeli Luganói-tóból másodpercenként 460 literes hűtési sebességgel szivattyúzzák be.
Egy kozmológiai A.I.
„Ez volt az A.I. első alkalmazása. valódi kozmológiai adatokhoz, beleértve az ezzel járó összes gyakorlati vonatkozást” – mondta Fluri. „Megmutathattuk, hogy módszerünk viszonylag kis adatkészleten konzisztens eredményeket ad. Reméljük, hogy ugyanezt a módszert alkalmazzuk nagyobb megfigyeléseknél, de több kozmológiai paraméter mérésére is a kozmológiai fizika más aspektusainak vizsgálatára. Végül reméljük, hogy új betekintést nyerhetünk az univerzum sötét szektoráról.”
Fluri szerint a csapat mostanra túllépett a KiDS-450 adatkészleten, „mivel már vannak újabb és jobb adatkészletek”. Az egyik különösen a Dark Energy Survey, egy hatalmas léptékű látható és közel infravörös felmérés, amelyet az Egyesült Államok, Brazília, az Egyesült Királyság, Németország, Spanyolország és Svájc kutatóintézetei és egyetemei végeztek.
"Mielőtt új adatkészleteket elemezhetnénk, ki kell alakítanunk a módszert, hogy képes legyen kezelni a megnövekedett adatmennyiséget" - mondta Fluri. „Jelenleg kísérletezünk néhány módszerrel ennek eléréséhez. Ezt követően megvitatjuk a következő elemezni kívánt adatkészletet. Egyelőre nem tudok ütemtervvel szolgálni, mivel az a választott adatkészlettől és a szimulációk követelményeitől függ.”
A munkát leíró papír volt nemrég megjelent a Physical Review D folyóiratban.
Szerkesztői ajánlások
- A kutatók gravitációs hullámokat akarnak használni a sötét anyag megismerésére
- Hogyan nézhetjük meg az Euklidész sötét anyag távcsövet ezen a szombaton?
- Utolsó simítás: Hogyan biztosítanak a tudósok a robotoknak emberszerű tapintási érzékeket
- A Hubble óriási galaxishalmazt rögzít, amely segíthet megérteni a sötét anyagot
- Szupermasszív fekete lyukak keletkezhetnek sötét anyagból?
