に使用されているのと同じテクノロジーは可能でしょうか 人々のスマートフォンのロックを解除する 宇宙の秘密を解き明かすのにも役立ちますか？ ありそうもないことのように聞こえるかもしれないが、スイスの科学とテクノロジーに焦点を当てた大学ETHチューリッヒの研究者らがまさにそれを達成しようと取り組んでいることだ。
コンテンツ
- 暗黒物質は重要だ
- 弱い重力レンズが救いとなる
- 宇宙論的パラメータの抽出
- 宇宙論的な AI。
今日の顔認識の背後にあるタイプの人工知能ニューラル ネットワークのバリエーションを使用する 彼らは新しいAIを開発しました。 いわゆる発見においてゲームチェンジャーとなる可能性のあるツール “暗黒物質」 物理学者は、宇宙の根底にある構造に関する根本的な疑問を説明するには、この神秘的な物質を理解することが必要であると信じています。
おすすめ動画
「私たちが[使用している]アルゴリズムは、顔認識で一般的に使用されているものに非常に近いです。」 ジャニス・フルーリ、博士号 ETHチューリッヒの研究室で働く学生は、ニューラルネットワークを宇宙論的問題に適用することに重点を置いているとDigital Trendsに語った。 「A.I.の美しさ」 それは、基本的にあらゆるデータから学習できるということです。 顔認識では、私たちが暗黒物質に関するヒントを与えてくれる構造を探している間に、目、口、鼻を認識することを学習します。 このパターン認識は本質的にアルゴリズムの中核です。 最終的には、基礎となる宇宙論的パラメーターを推測するためにそれを適応しただけでした。」
暗黒物質は重要だ
しかし、研究者が探しているものは一体何なのでしょうか? 今のところ、それは完全にはわかっていません。 しかし、米国最高裁判所のポッター・スチュワート判事が、わいせつ行為について印象深く述べたように、「見ればそれがわかる」のです。 というか、そうしません。なぜなら、それは目に見えないからです。 しかし、科学者はそれを見つければそれを知るでしょう。 ダークマターの奇妙な世界へようこそ。
何らかの形での暗黒物質の存在は、1世紀以上にわたって仮説が立てられてきました。 それは宇宙の約27%を占め、目に見える物質を約6対1の比率で上回っていると考えられています。 私たちが検出できる宇宙のすべて - 銀河、星、惑星、生命を構成するすべての原子物質 地球上で、あなたがこの記事を読んでいるデバイスは、地球上で存在するすべての物質のほんの小さな部分にすぎません。 存在します。 その圧倒的な大部分を直接追跡することはできません。 それは目に見えず、通常の目に見える物質をまっすぐに通過することができます。
むしろ、その存在は宇宙の仕組みについての私たちの観察に基づいています。 会ったことはないけれど、料金の半分が支払われ、シャワーが必要なときに誰かが時々シャワーを使用してくれるため、確かに存在するハウスメイトのようなものです。 この場合に限って、科学者たちは銀河の回転速度が 十分に速いので、観測可能な物質によって生成される重力だけではそれらを結びつけることができません。 案件。 したがって、暗黒物質は、これらの銀河が自殺の紙袋のように引き裂かれないようにするために必要な余分な質量をこれらの銀河に与える秘密の成分であると理論化されています。 それは、塵やガスの形で通常の物質を集め、星や銀河を形成する原動力となります。
弱い重力レンズが救いとなる
見えないものを探すのは難しそうです。 そうです。 しかし、科学者が暗黒物質が存在する可能性が最も高いと思われる場所を特定できる方法があります。 彼らは、大きな銀河団の重力がより遠くの銀河からの光を曲げ、歪ませる微妙な光の仕組みを調べることによってこれを行っています。 これを弱い重力レンズと呼びます。
天文学者は、大規模な銀河団の周囲を観察することで、歪んで見える背景の銀河を特定することができます。 これらの歪みをリバースエンジニアリングすることで、可視と不可視の両方で物質が最も高密度に集中していると考えられる場所を特定することができます。 これは、暑い日に遠くの画像がぼやけてきらきら光る蜃気楼効果のようなものだと考えてください。はるか遠くにあるだけです。
「以前は、関連する特徴を手動で選択して、弱いレンズ質量マップを研究していました」とジャニス・フルーリ氏は説明しました。 「これは非常に複雑な作業であり、選択したフィーチャに関連情報がすべて含まれているという保証はありません。 この問題を AI で解決します。 アプローチ。 私たちの研究で使用されている畳み込みニューラル ネットワークは、パターン認識に優れています。」
畳み込みニューラル ネットワークは、脳をヒントにした人工知能の一種で、画像分類タスクによく使用されます。 そのニューロンには、従来のニューラル ネットワークの学習可能な重みとバイアスがまだ残っています（つまり、ニューラル ネットワークが学習できるようにするもの）。 learn)、画像を入力として扱うという明示的な仮定により、作成者はパラメータの数を減らすことができます。 通信網。 これにより効率が向上します。
「これは、A.I. の最初の応用でした。 現実の宇宙論的データ、それに付随するすべての実用的な側面を含みます。」
「大まかに言うと、[私たちがネットワークに提供することで機能します] 大量のデータを使用して、複雑なフィルターのセットを自動的に作成して、地図の関連情報を抽出します。」 トマシュ・カプザク博士、プロジェクトの他の共著者の一人はデジタルトレンドに語った。 「その後、これらのフィルターを最適に組み合わせて、可能な限り正確な答えを与えようとします。」
宇宙論的パラメータの抽出
研究者らは、宇宙をシミュレートするコンピューター生成データをニューラル ネットワークに供給することで、ニューラル ネットワークを訓練しました。 これにより、暗黒物質マップを繰り返し分析して、実際の夜空の画像から「宇宙論的パラメーター」を抽出できるようになりました。 人間による統計分析に基づく結果では、従来の方法と比較して 30% の改善が示されました。
「A.I. アルゴリズムはトレーニング段階で学習するために多くのデータを必要とします」とフルリ氏は続けました。 「このトレーニング データ、この場合はシミュレーションが可能な限り正確であることが非常に重要です。 それ以外の場合、実際のデータには存在しない特徴を学習することになります。 これを行うには、大規模で正確なシミュレーションを大量に生成する必要がありましたが、これは非常に困難でした。 その後、最高のパフォーマンスを達成するためにアルゴリズムを微調整する必要がありました。 これは、パフォーマンスを最適化するために複数のネットワーク アーキテクチャをテストすることによって行われました。」
次に、彼らは完全に訓練されたニューラル ネットワークを使用して、実際の暗黒物質マップを分析しました。 これらはいわゆる KiDS-450 データセット、チリの VLT Survey Telescope (VST) を使用して作成されました。 このデータセットは、満月のサイズの約 2,200 倍の総面積をカバーしています。 約 1,500 万個の銀河の記録が含まれています。
この非常に大量のデータのため、研究者たちは人工知能を動作させるためにスーパーコンピューターを必要としていました。 彼らは最終的に AI を実行しました。 イタリアと国境を接するスイス南部の都市ルガーノにあるスイス国立スーパーコンピューティングセンターのコンピューター上で。 CSCS のスーパーコンピューターは、スイスのすべての大学や研究機関が利用できます。 そのマシンは非常に強力なので、過熱を防ぐために、 近くのルガーノ湖からの水 冷却のために毎秒 460 リットルの速度でポンプで送り込まれます。
宇宙論的な AI。
「これは、A.I. の最初の応用でした。 それに付随するすべての実用的な側面を含む、実際の宇宙論的データが得られます」とフルーリ氏は述べた。 「私たちの方法が比較的小さなデータセットで一貫した結果を生み出すことを示すことができました。 私たちは、より大規模な観測でも同じ方法を使用するだけでなく、より多くの宇宙論的パラメーターを測定して、宇宙物理学の他の側面を調査したいと考えています。 最後に、私たちは宇宙の暗黒部門について新たな洞察を得ることができればと願っています。」
Fluri 氏によると、「より新しく優れたデータセットが存在するため」、チームは現在、KiDS-450 データセットの枠を超えて取り組んでいます。 特にその 1 つは、 ダークエネルギー調査、米国、ブラジル、英国、ドイツ、スペイン、スイスの研究機関や大学によって実施された大規模な可視および近赤外線調査。
「しかし、新しいデータセットを分析する前に、データ量の増加に対処できるように方法を適応させる必要があります」とフルリ氏は述べた。 「私たちは現在、それを達成するためにいくつかの方法を実験中です。 その後、分析する次のデータセットについて説明します。 選択したデータセットとシミュレーションの要件によって異なるため、タイムスケールはまだお伝えできません。」
その仕事を説明した論文は、 最近『Physical Review D』誌に掲載されました.
編集者のおすすめ
- 研究者らは暗黒物質について学ぶために重力波を利用したいと考えている
- 今週土曜日に打ち上げられるユークリッド暗黒物質望遠鏡を観察する方法
- 最後の仕上げ: 科学者はどのようにロボットに人間のような触覚を与えているのか
- ハッブルが捉えた巨大銀河団は暗黒物質の理解に役立つ可能性がある
- 超大質量ブラックホールは暗黒物質から形成される可能性があるでしょうか?
