Mungkinkah teknologinya sama dengan yang dulu membuka kunci ponsel pintar orang juga membantu membuka rahasia alam semesta? Ini mungkin terdengar tidak mungkin, namun itulah yang ingin dicapai oleh para peneliti dari universitas ETH Zurich yang berfokus pada sains dan teknologi di Swiss.
Isi
- Materi gelap penting
- Lensa gravitasi lemah untuk menyelamatkan
- Mengekstraksi parameter kosmologis
- A.I. kosmologis
Menggunakan variasi jenis jaringan saraf kecerdasan buatan di balik pengenalan wajah saat ini teknologi, mereka telah mengembangkan A.I. alat yang bisa membuktikan terobosan dalam penemuan apa yang disebut “materi gelap.” Fisikawan percaya bahwa memahami zat misterius ini diperlukan untuk menjelaskan pertanyaan mendasar tentang struktur yang mendasari alam semesta.
Video yang Direkomendasikan
“Algoritme yang kami [gunakan] sangat mirip dengan algoritma yang umum digunakan dalam pengenalan wajah,” Janis Fluri, gelar Ph.D. mahasiswa yang bekerja di laboratorium ETH Zurich yang fokus pada penerapan jaringan saraf pada masalah kosmologis, mengatakan kepada Digital Trends. “Keindahan A.I. adalah ia pada dasarnya dapat belajar dari data apa pun. Dalam pengenalan wajah, ia belajar mengenali mata, mulut, dan hidung, sambil mencari struktur yang memberi kita petunjuk tentang materi gelap. Pengenalan pola ini pada dasarnya adalah inti dari algoritma. Pada akhirnya, kami hanya mengadaptasinya untuk menyimpulkan parameter kosmologis yang mendasarinya.”
Materi gelap penting
Tapi apa sebenarnya yang dicari para peneliti? Saat ini, hal itu belum sepenuhnya diketahui. Namun seperti yang dikenang oleh Hakim Agung Amerika Serikat Potter Stewart tentang kecabulan, “Saya mengetahuinya ketika saya melihatnya.” Atau lebih tepatnya kita tidak akan melakukannya — karena hal itu tidak dapat dilihat. Namun para ilmuwan akan mengetahuinya begitu mereka menemukannya. Selamat datang di dunia materi gelap yang aneh.
Keberadaan materi gelap dalam beberapa bentuk telah dihipotesiskan selama lebih dari satu abad. Diperkirakan mencakup sekitar 27% dari alam semesta, melebihi materi tampak dengan perbandingan sekitar enam banding satu. Segala sesuatu di alam semesta yang dapat kita deteksi — semua materi atom yang membentuk galaksi, bintang, planet, kehidupan di Bumi, perangkat yang Anda gunakan untuk membaca artikel ini — hanyalah sebagian kecil dari semua materi yang ada ada. Sebagian besarnya tidak dapat dilacak secara langsung. Ia tidak terlihat dan mampu menembus materi biasa yang terlihat.
Sebaliknya, keberadaannya didasarkan pada pengamatan kita tentang cara kerja alam semesta; seperti teman serumah yang tidak pernah Anda lihat tetapi pasti ada karena setengah dari tagihan mereka telah dibayar dan seseorang kadang-kadang menggunakan kamar mandi saat Anda menginginkannya. Hanya dalam kasus ini, hal ini terjadi karena para ilmuwan telah mengetahui bahwa kecepatan rotasi galaksi adalah cukup cepat sehingga mereka tidak dapat disatukan hanya oleh gravitasi yang dihasilkan oleh pengamatan urusan. Oleh karena itu, materi gelap diteorikan sebagai bahan rahasia yang memberi galaksi-galaksi ini massa ekstra yang mereka perlukan agar tidak terkoyak seperti kantong kertas bunuh diri. Hal inilah yang mendorong materi normal dalam bentuk debu dan gas berkumpul dan berkumpul menjadi bintang dan galaksi.
Lensa gravitasi lemah untuk menyelamatkan
Mencari sesuatu yang tidak bisa dipandang kedengarannya sulit. Dia. Namun ada cara agar para ilmuwan dapat menentukan dengan tepat di mana menurut mereka kemungkinan besar materi gelap berada. Mereka melakukan hal ini dengan melihat cara halus cahaya yang dibelokkan oleh gravitasi gugus galaksi besar dan mendistorsi cahaya dari galaksi yang lebih jauh. Ini disebut pelensaan gravitasi lemah.
Mengamati area di sekitar gugus galaksi masif memungkinkan para astronom mengidentifikasi latar belakang galaksi yang tampak melengkung. Dengan merekayasa balik distorsi ini, mereka kemudian dapat mengisolasi tempat yang mereka yakini dapat menemukan konsentrasi materi terpadat, baik yang terlihat maupun yang tidak terlihat. Anggap saja seperti efek fatamorgana yang menyebabkan gambar yang jauh menjadi buram dan berkilau di hari yang panas — hanya saja jaraknya jauh.
“Sebelumnya seseorang akan mempelajari peta massa pelensaan lemah dengan memilih fitur-fitur yang relevan secara manual,” jelas Janis Fluri. “Ini adalah tugas yang sangat rumit dan tidak ada jaminan bahwa fitur yang dipilih berisi semua informasi yang relevan. Kami memecahkan masalah ini dengan A.I. mendekati. Jaringan saraf konvolusional yang digunakan dalam pekerjaan kami unggul dalam pengenalan pola.”
Jaringan saraf konvolusional adalah jenis kecerdasan buatan yang terinspirasi dari otak yang sering digunakan untuk tugas klasifikasi gambar. Meskipun neuronnya masih memiliki bobot dan bias yang dapat dipelajari seperti jaringan saraf konvensional (yaitu hal-hal yang memungkinkannya learn), asumsi eksplisitnya bahwa ia berurusan dengan gambar sebagai masukan memungkinkan pembuatnya mengurangi jumlah parameter di dalamnya jaringan. Hal ini membuatnya lebih efisien.
“Ini adalah penerapan pertama A.I. untuk data kosmologis yang nyata, termasuk semua aspek praktis yang menyertainya.”
“Secara kasar, [ini bekerja dengan menyediakan jaringan] dengan sejumlah besar data, mereka secara otomatis membuat serangkaian filter kompleks untuk mengekstrak informasi yang relevan dari peta,” Dr.Tomasz Kacprzak, salah satu penulis proyek ini, mengatakan kepada Digital Trends. “Kemudian ia mencoba menggabungkan filter-filter ini secara optimal untuk memberikan jawaban yang setepat mungkin.”
Mengekstraksi parameter kosmologis
Para peneliti melatih jaringan saraf mereka dengan memberikan data yang dihasilkan komputer yang mensimulasikan alam semesta. Hal ini memungkinkannya untuk berulang kali menganalisis peta materi gelap sehingga dapat mengekstrak “parameter kosmologis” dari gambar nyata langit malam. Hasilnya menunjukkan peningkatan sebesar 30% dibandingkan metode tradisional, berdasarkan analisis statistik buatan manusia.
“A.I. algoritma membutuhkan banyak data untuk dipelajari pada tahap pelatihan,” lanjut Fluri. “Sangat penting bahwa data pelatihan ini, dalam simulasi kasus kami, seakurat mungkin. Jika tidak, ia akan mempelajari fitur-fitur yang tidak ada dalam data sebenarnya. Untuk melakukan ini, kami harus menghasilkan banyak simulasi yang besar dan akurat, yang sangat menantang. Setelah itu, kami harus mengubah algoritme untuk mencapai performa puncak. Hal ini dilakukan dengan menguji beberapa arsitektur jaringan untuk mengoptimalkan kinerja.”
Mereka kemudian menggunakan jaringan saraf terlatih untuk menganalisis peta materi gelap yang sebenarnya. Ini berasal dari apa yang disebut Kumpulan data KiDS-450, dibuat menggunakan VLT Survey Telescope (VST) di Chile. Kumpulan data tersebut mencakup area total sekitar 2.200 kali ukuran bulan purnama. Ini berisi catatan sekitar 15 juta galaksi.
Karena jumlah data yang sangat besar ini, para peneliti memerlukan superkomputer untuk menerapkan kecerdasan buatan mereka. Mereka akhirnya menjalankan A.I. di komputer di Swiss National Supercomputing Center di Lugano, sebuah kota di selatan Swiss yang berbatasan dengan Italia. Superkomputer di CSCS tersedia untuk semua universitas dan lembaga penelitian Swiss. Mesin-mesinnya sangat kuat sehingga, untuk mencegahnya menjadi terlalu panas, air dari Danau Lugano di dekatnya dipompa untuk pendinginan dengan kecepatan 460 liter per detik.
A.I. kosmologis
“Ini adalah penerapan pertama A.I. untuk data kosmologis yang nyata, termasuk semua aspek praktis yang menyertainya,” kata Fluri. “Kami dapat menunjukkan bahwa metode kami memberikan hasil yang konsisten pada kumpulan data yang relatif kecil. Kami berharap dapat menggunakan metode yang sama pada pengamatan yang lebih besar, tetapi juga mengukur lebih banyak parameter kosmologis untuk menyelidiki aspek fisika kosmologis lainnya. Terakhir, kami berharap dapat memperoleh wawasan baru tentang sektor gelap alam semesta.”
Menurut Fluri, tim kini telah beralih dari sekadar kumpulan data KiDS-450, “karena kini terdapat kumpulan data yang lebih baru dan lebih baik.” Salah satunya adalah Survei Energi Gelap, survei tampak dan inframerah-dekat berskala besar yang dilakukan oleh lembaga penelitian dan universitas dari AS, Brasil, Inggris, Jerman, Spanyol, dan Swiss.
“Namun sebelum kami dapat menganalisis kumpulan data baru, kami perlu mengadaptasi metode sedemikian rupa sehingga dapat menangani peningkatan volume data,” kata Fluri. “Kami sedang bereksperimen dengan beberapa metode untuk mencapai hal itu. Setelah itu kita akan membahas dataset selanjutnya yang ingin kita analisis. Saya belum bisa memberi Anda skala waktunya, karena ini bergantung pada kumpulan data yang dipilih dan persyaratan simulasi.”
Sebuah makalah yang menjelaskan pekerjaan itu baru-baru ini diterbitkan di jurnal Physical Review D.
Rekomendasi Editor
- Para peneliti ingin menggunakan gelombang gravitasi untuk mempelajari materi gelap
- Cara menyaksikan peluncuran teleskop materi gelap Euclid Sabtu ini
- Sentuhan terakhir: Bagaimana para ilmuwan memberi robot indra peraba yang mirip manusia
- Hubble menangkap gugus galaksi raksasa yang dapat membantu kita memahami materi gelap
- Mungkinkah lubang hitam supermasif terbentuk dari materi gelap?
