როგორ ეხმარება ასტრონომებს სახის ამოცნობა ბნელი მატერიის საიდუმლოებების გამოვლენაში

შეიძლება იგივე ტექნოლოგია, რომელიც გამოიყენება განბლოკეთ ხალხის სმარტფონები ასევე დაგვეხმარება სამყაროს საიდუმლოებების გახსნაში? შეიძლება ნაკლებად სავარაუდო ჟღერდეს, მაგრამ სწორედ ამის მისაღწევად მუშაობენ მკვლევარები შვეიცარიის მეცნიერებასა და ტექნოლოგიაზე ორიენტირებული უნივერსიტეტის ETH Zurich-დან.

დღევანდელი სახის ამოცნობის უკან ხელოვნური ინტელექტის ნერვული ქსელის ვარიაციის გამოყენება ტექნოლოგია, მათ შეიმუშავეს ახალი A.I. ინსტრუმენტები, რომლებმაც შეიძლება თამაშის შემცვლელი დაამტკიცონ ე.წ “ბნელი მატერია.” ფიზიკოსები თვლიან, რომ ამ იდუმალი ნივთიერების გაგება აუცილებელია სამყაროს ძირითადი სტრუქტურის შესახებ ფუნდამენტური კითხვების ასახსნელად.

"ალგორითმი, რომელსაც ჩვენ [ვიყენებთ] ძალიან ახლოსაა იმასთან, რასაც ჩვეულებრივ იყენებენ სახის ამოცნობაში." ჯენის ფლური, დოქტორი. სტუდენტმა, რომელიც მუშაობს ETH ციურიხის ლაბორატორიაში, ორიენტირებულია ნერვული ქსელების გამოყენებაზე კოსმოლოგიური პრობლემებისთვის, განუცხადა Digital Trends-ს. ”სილამაზე A.I. არის ის, რომ მას შეუძლია ისწავლოს ძირითადად ნებისმიერი მონაცემიდან. სახის ამოცნობისას ის სწავლობს თვალების, პირის და ცხვირის ამოცნობას, ხოლო ჩვენ ვეძებთ სტრუქტურებს, რომლებიც გვაძლევენ მინიშნებებს ბნელი მატერიის შესახებ. ნიმუშის ეს ამოცნობა არსებითად არის ალგორითმის ბირთვი. საბოლოო ჯამში, ჩვენ მას მხოლოდ კოსმოლოგიური პარამეტრების დასადგენად მოვარგეთ.

ბნელ მატერიას აქვს მნიშვნელობა

მაგრამ კონკრეტულად რას ეძებენ მკვლევარები? ამჟამად, ეს ბოლომდე არ არის ცნობილი. მაგრამ როგორც შეერთებული შტატების უზენაესი სასამართლოს მოსამართლემ პოტერ სტიუარტმა სამახსოვრო თქვა უხამსობის შესახებ, „მე ვიცი, როცა ამას ვხედავ“. უფრო სწორად, ჩვენ არ გავაკეთებთ - იმიტომ, რომ ეს არ ჩანს. მაგრამ მეცნიერები ამას ეცოდინებათ, როგორც კი იპოვიან. კეთილი იყოს თქვენი მობრძანება ბნელი მატერიის უცნაურ სამყაროში.

ბნელი მატერიის რაიმე ფორმით არსებობა უკვე საუკუნეზე მეტია ვარაუდობენ. ითვლება, რომ ის სამყაროს დაახლოებით 27%-ს შეადგენს, რაც აჭარბებს ხილულ მატერიას დაახლოებით ექვსი/ერთი თანაფარდობით. ყველაფერი სამყაროში, რაც ჩვენ შეგვიძლია აღმოვაჩინოთ - მთელი ატომური მატერია, რომელიც ქმნის გალაქტიკებს, ვარსკვლავებს, პლანეტებს, სიცოცხლეს დედამიწაზე, მოწყობილობა, რომელზეც თქვენ კითხულობთ ამ სტატიას, არის მხოლოდ მცირე ნაწილი იმ მატერიისა, რომელიც არსებობს. მისი დიდი ნაწილის პირდაპირ თვალყურის დევნება შეუძლებელია. ის უხილავია და შეუძლია პირდაპირ გაიაროს რეგულარული ხილული მატერია.

სამაგიეროდ, მისი არსებობა ეფუძნება ჩვენს დაკვირვებებს სამყაროს მუშაობის შესახებ; როგორც სახლში მეზობელს, რომელსაც არასოდეს უნახავთ, მაგრამ დარწმუნებული ხართ, რომ არსებობს, რადგან გადასახადების ნახევარი იხდის და ვიღაც შხაპს ხმარობს, როცა გინდა. მხოლოდ ამ შემთხვევაში, ეს იმიტომ, რომ მეცნიერებმა დაადგინეს, რომ გალაქტიკების ბრუნვის სიჩქარე არის საკმარისად სწრაფად, რომ მათ არ შეეძლოთ ერთმანეთთან შეკავება, უბრალოდ დაკვირვებადი წარმოქმნილი გრავიტაციით მატერია. ამიტომ, თეორიულად, ბნელი მატერია არის საიდუმლო ინგრედიენტები, რომლებიც ამ გალაქტიკებს ანიჭებენ დამატებით მასას, რაც მათ სჭირდებათ, რათა არ დაიშალონ, როგორც თვითმკვლელობის ქაღალდის ჩანთა. ეს არის ის, რაც უბიძგებს ნორმალურ მატერიას მტვრისა და გაზის სახით შეგროვებისა და შეკრებისკენ ვარსკვლავებსა და გალაქტიკებში.

სუსტი გრავიტაციული ლინზირება სამაშველოში

ძნელად ჟღერს რაღაცის ძიება, რისი ყურებაც შეუძლებელია. Ეს არის. მაგრამ არსებობს გზა, რომლითაც მეცნიერებს შეუძლიათ ზუსტად განსაზღვრონ, თუ სად მდებარეობს ბნელი მატერია, მათი აზრით. ისინი ამას აკეთებენ იმ დახვეწილი გზების დათვალიერებით, რომლითაც შუქი, რომელსაც დიდი გალაქტიკების გროვების გრავიტაცია ახშობს და ამახინჯებს უფრო შორეული გალაქტიკების შუქს. ამას სუსტი გრავიტაციული ლინზირება ეწოდება.

გალაქტიკათა მასიური გროვების ირგვლივ მდებარე ტერიტორიებზე დაკვირვება ასტრონომებს საშუალებას აძლევს ამოიცნონ ფონური გალაქტიკები, რომლებიც მრუდე ჩანს. ამ დამახინჯებების საპირისპირო ინჟინერიით მათ შეუძლიათ იზოლირება, სადაც, მათი აზრით, მატერიის ყველაზე მკვრივი კონცენტრაცია, როგორც ხილული, ასევე უხილავი, შეიძლება მოიძებნოს. იფიქრეთ იმაზე, როგორც მირაჟის ეფექტს, რომელიც იწვევს შორეულ სურათებს ბუნდოვანებას და ბზინვარებას ცხელ დღეს - მხოლოდ ძალიან შორს.

„ადრე შეისწავლიდა სუსტი ლინზირების მასის რუქებს შესაბამისი ფუნქციების ხელით შერჩევით“, განმარტა ჯენის ფლურიმ. ”ეს ძალიან რთული ამოცანაა და არ არსებობს გარანტია, რომ შერჩეული ფუნქციები შეიცავს ყველა შესაბამის ინფორმაციას. ჩვენ ამ პრობლემას ვაგვარებთ A.I. მიდგომა. კონვოლუციური ნეირონული ქსელები, რომლებიც გამოიყენება ჩვენს მუშაობაში, გამოირჩევიან შაბლონის ამოცნობით.

კონვოლუციური ნერვული ქსელი არის ტვინის შთაგონებული ხელოვნური ინტელექტის ტიპი, რომელიც ხშირად გამოიყენება გამოსახულების კლასიფიკაციის ამოცანებისთვის. მიუხედავად იმისა, რომ მის ნეირონებს ჯერ კიდევ აქვთ ჩვეულებრივი ნერვული ქსელების შესასწავლი წონა და მიკერძოება (ანუ ის, რაც მას საშუალებას აძლევს ვისწავლოთ), მისი აშკარა ვარაუდი, რომ მას საქმე აქვს სურათებთან, როგორც შეყვანის საშუალებას მის შემქმნელებს შეამცირონ პარამეტრების რაოდენობა ქსელი. ეს მას უფრო ეფექტურს ხდის.

”უხეშად რომ ვთქვათ, [ის მუშაობს ჩვენ მიერ ქსელების მიწოდებით] დიდი რაოდენობით მონაცემებით, ისინი ავტომატურად ქმნიან რთული ფილტრების კომპლექტს რუქების შესაბამისი ინფორმაციის ამოსაღებად. დოქტორი ტომაშ კაპრზაკიგანუცხადა Digital Trends-ს პროექტის ერთ-ერთმა თანაავტორმა. ”შემდეგ ის ცდილობს ოპტიმალურად დააკავშიროს ეს ფილტრები, რათა რაც შეიძლება ზუსტი პასუხი გასცეს.”

კოსმოლოგიური პარამეტრების ამოღება

მკვლევარებმა გაწვრთნეს თავიანთი ნერვული ქსელი კომპიუტერით გენერირებული მონაცემების მიწოდებით, რომლებიც სამყაროს სიმულაციას ახდენენ. ამან მას საშუალება მისცა არაერთხელ გაეანალიზებინა ბნელი მატერიის რუქები, რათა შეძლოს ღამის ცის რეალური სურათებიდან „კოსმოლოგიური პარამეტრების“ ამოღება. შედეგებმა აჩვენა 30%-იანი გაუმჯობესება ტრადიციულ მეთოდებთან შედარებით, ადამიანის მიერ შექმნილი სტატისტიკური ანალიზის საფუძველზე.

„A.I. ალგორითმს სჭირდება ბევრი მონაცემი სასწავლო ფაზაში შესასწავლად“, - განაგრძო ფლურმა. „ძალიან მნიშვნელოვანია, რომ ტრენინგის ეს მონაცემები, ჩვენს შემთხვევაში სიმულაციები, იყოს მაქსიმალურად ზუსტი. წინააღმდეგ შემთხვევაში, ის შეისწავლის ფუნქციებს, რომლებიც არ არის რეალურ მონაცემებში. ამისათვის ჩვენ მოგვიწია ბევრი დიდი და ზუსტი სიმულაციის გენერირება, რაც ძალიან რთული იყო. ამის შემდეგ, ჩვენ მოგვიწია ალგორითმის შერბილება მაქსიმალური შესრულების მისაღწევად. ეს გაკეთდა მრავალი ქსელის არქიტექტურის ტესტირებით, მუშაობის ოპტიმიზაციისთვის. ”

შემდეგ მათ გამოიყენეს თავიანთი სრულად გაწვრთნილი ნერვული ქსელი ბნელი მატერიის რეალური რუქების გასაანალიზებლად. ეს მოვიდა ე.წ KiDS-450 მონაცემთა ბაზადამზადებულია VLT Survey Telescope (VST) გამოყენებით ჩილეში. მონაცემთა ნაკრები მოიცავს სავსე მთვარის ზომას დაახლოებით 2200-ჯერ აღემატება მთლიან ფართობს. ის შეიცავს დაახლოებით 15 მილიონი გალაქტიკის ჩანაწერებს.

ამ არაჩვეულებრივად დიდი რაოდენობის მონაცემების გამო, მკვლევრებს სჭირდებოდათ სუპერკომპიუტერი, რათა მათი ხელოვნური ინტელექტი ამოქმედებულიყო. მათ საბოლოოდ მართეს თავიანთი A.I. კომპიუტერზე შვეიცარიის ეროვნულ სუპერკომპიუტერულ ცენტრში ლუგანოში, ქალაქი სამხრეთ შვეიცარიაში, რომელიც ესაზღვრება იტალიას. CSCS-ის სუპერკომპიუტერები ხელმისაწვდომია შვეიცარიის ყველა უნივერსიტეტისა და კვლევითი ინსტიტუტისთვის. მისი მანქანები იმდენად ძლიერია, რომ მათი გადახურების შესაჩერებლად, წყალი ახლომდებარე ლუგანოს ტბიდან ტუმბოს გაგრილებისთვის წამში 460 ლიტრი სიჩქარით.

კოსმოლოგიური A.I.

„ეს იყო A.I-ს პირველი აპლიკაცია. რეალური კოსმოლოგიური მონაცემებისთვის, მათ შორის ყველა პრაქტიკული ასპექტისთვის, რაც მას მოყვება“, - თქვა ფლურიმ. „ჩვენ შეგვიძლია ვაჩვენოთ, რომ ჩვენი მეთოდი იძლევა თანმიმდევრულ შედეგებს მონაცემთა შედარებით მცირე კომპლექტზე. ჩვენ ვიმედოვნებთ, რომ იგივე მეთოდს გამოვიყენებთ უფრო დიდ დაკვირვებებზე, მაგრამ ასევე გავზომავთ უფრო მეტ კოსმოლოგიურ პარამეტრებს კოსმოლოგიური ფიზიკის სხვა ასპექტების გამოსაკვლევად. და ბოლოს, ჩვენ ვიმედოვნებთ, რომ შევისწავლით ახალ შეხედულებებს სამყაროს [ბნელი] სექტორის შესახებ.”

Fluri-ის თანახმად, გუნდი ახლა გადავიდა KiDS-450 მონაცემთა ნაკრების მიღმა, „რადგან ახლა არის უფრო ახალი და უკეთესი მონაცემთა ნაკრები“. ერთი განსაკუთრებით არის ბნელი ენერგიის კვლევა, მასიური ხილული და ახლო ინფრაწითელი გამოკითხვა, რომელიც ჩატარდა კვლევითი ინსტიტუტებისა და უნივერსიტეტების მიერ აშშ-ს, ბრაზილიის, გაერთიანებული სამეფოს, გერმანიის, ესპანეთისა და შვეიცარიის მიერ.

„სანამ ჩვენ შევძლებთ მონაცემთა ახალი ნაკრების გაანალიზებას, ჩვენ გვჭირდება ისეთი მეთოდის ადაპტაცია, რომ მას შეუძლია გაუმკლავდეს მონაცემთა გაზრდილ მოცულობას“, - თქვა ფლურმა. „ამჟამად ჩვენ ვცდილობთ ამის მისაღწევად რამდენიმე მეთოდს. ამის შემდეგ განვიხილავთ შემდეგ მონაცემთა ბაზას, რომლის ანალიზიც გვინდა. მე ჯერ ვერ მოგცემთ ვადებს, რადგან ეს დამოკიდებულია არჩეულ მონაცემთა ბაზაზე და სიმულაციების მოთხოვნებზე. ”

იყო ნაშრომი, რომელიც აღწერდა სამუშაოს ახლახან გამოქვეყნდა ჟურნალში Physical Review D.

რედაქტორების რეკომენდაციები

• მკვლევარებს სურთ გამოიყენონ გრავიტაციული ტალღები ბნელი მატერიის შესასწავლად
• როგორ ვუყუროთ ევკლიდეს ბნელი მატერიის ტელესკოპის გაშვებას ამ შაბათს
• საბოლოო შეხება: როგორ აძლევენ მეცნიერები რობოტებს ადამიანის მსგავს ტაქტილურ გრძნობებს
• ჰაბლმა დაიჭირა გიგანტური გალაქტიკა, რომელიც დაგვეხმარება ბნელი მატერიის გაგებაში
• შეიძლება თუ არა სუპერმასიური შავი ხვრელები ბნელი მატერიისგან წარმოიქმნას?