Zou dezelfde technologie kunnen zijn die gewend is ontgrendel de smartphones van mensen ook helpen de geheimen van het universum te ontsluiten? Het klinkt misschien onwaarschijnlijk, maar dat is precies wat onderzoekers van de Zwitserse op wetenschap en technologie gerichte universiteit ETH Zürich proberen te bereiken.
Inhoud
- Donkere materie is belangrijk
- Zwakke zwaartekrachtlenzen komen te hulp
- Het extraheren van de kosmologische parameters
- Een kosmologische AI
Gebruikmakend van een variatie op het type kunstmatige intelligentie-neuraal netwerk achter de huidige gezichtsherkenning technologie hebben ze nieuwe A.I. tools die een game-changer zouden kunnen zijn bij de ontdekking van zogenaamde “donkere materie.” Natuurkundigen geloven dat het begrijpen van deze mysterieuze substantie noodzakelijk is om fundamentele vragen over de onderliggende structuur van het universum te verklaren.
Aanbevolen video's
“Het algoritme dat we [gebruiken] komt heel dicht in de buurt van wat vaak wordt gebruikt bij gezichtsherkenning,”
Janis Fluri, een Ph.D. student die in een ETH-laboratorium in Zürich werkt en zich richt op het toepassen van neurale netwerken op kosmologische problemen, vertelde Digital Trends. “De schoonheid van A.I. is dat het van vrijwel alle gegevens kan leren. Bij gezichtsherkenning leert het ogen, monden en neuzen herkennen, terwijl we zoeken naar structuren die ons hints geven over donkere materie. Deze patroonherkenning is in wezen de kern van het algoritme. Uiteindelijk hebben we het alleen aangepast om de onderliggende kosmologische parameters af te leiden.”Donkere materie is belangrijk
Maar wat is het precies waar de onderzoekers naar op zoek zijn? Op dit moment is het niet helemaal bekend. Maar zoals rechter Potter Stewart van het Amerikaanse Hooggerechtshof op memorabele wijze over obsceniteit zei: ‘Ik weet het als ik het zie.’ Of beter gezegd, dat zullen we niet doen – omdat het niet gezien kan worden. Maar wetenschappers zullen het weten zodra ze het hebben gevonden. Welkom in de vreemde wereld van donkere materie.
Het bestaan van donkere materie in een of andere vorm wordt al ruim een eeuw verondersteld. Aangenomen wordt dat het ongeveer 27% van het heelal uitmaakt, en daarmee de zichtbare materie overtreft in een verhouding van ongeveer zes op één. Alles in het universum dat we kunnen detecteren – alle atomaire materie waaruit sterrenstelsels, sterren, planeten en leven bestaan op aarde is het apparaat waarop je dit artikel leest slechts een heel klein deel van al die materie bestaat. Het overgrote deel ervan kan niet rechtstreeks worden gevolgd. Het is onzichtbaar en kan dwars door gewone zichtbare materie heen.
In plaats daarvan is het bestaan ervan gebaseerd op onze observaties over de manier waarop het universum werkt; zoals een huisgenoot die je nooit ziet maar waarvan je zeker weet dat hij bestaat omdat de helft van de rekeningen wordt betaald en iemand af en toe onder de douche staat wanneer jij dat wilt. Alleen in dit geval komt dat omdat wetenschappers hebben ontdekt dat de snelheid waarmee sterrenstelsels roteren zo groot is zo snel dat ze niet simpelweg bij elkaar gehouden konden worden door de zwaartekracht die door het waarneembare werd gegenereerd materie. Daarom wordt aangenomen dat donkere materie de geheime ingrediënten zijn die deze sterrenstelsels de extra massa geven die ze nodig hebben om zichzelf niet als een suïcidale papieren zak uit elkaar te scheuren. Het is wat normale materie in de vorm van stof en gas ertoe aanzet zich te verzamelen en samen te voegen tot sterren en sterrenstelsels.
Zwakke zwaartekrachtlenzen komen te hulp
Zoeken naar iets waar niet naar gekeken kan worden, klinkt moeilijk. Het is. Maar er is een manier waarop wetenschappers kunnen vaststellen waar zij denken dat donkere materie zich het meest waarschijnlijk bevindt. Ze doen dit door te kijken naar de subtiele manieren waarop licht dat door de zwaartekracht van grote clusters van sterrenstelsels wordt afgebogen en het licht van verder weg gelegen sterrenstelsels vervormt. Dit wordt zwakke zwaartekrachtlensing genoemd.
Door de gebieden rond enorme clusters van sterrenstelsels te observeren, kunnen astronomen achtergrondstelsels identificeren die er kromgetrokken uitzien. Door deze vervormingen te reverse-engineeren kunnen ze vervolgens isoleren waar volgens hen de dichtste concentraties van materie, zowel zichtbaar als onzichtbaar, te vinden zijn. Zie het als het luchtspiegelingseffect dat ervoor zorgt dat beelden van veraf op een warme dag wazig en glinsterend zijn – alleen dan een heel stuk verder weg.
“Vroeger bestudeerde je zwakke lensmassakaarten door handmatig de relevante kenmerken te selecteren”, legt Janis Fluri uit. “Dit is een zeer ingewikkelde taak en er zijn geen garanties dat de geselecteerde functies alle relevante informatie bevatten. Wij lossen dit probleem op met de A.I. benadering. De convolutionele neurale netwerken die in ons werk worden gebruikt, blinken uit in patroonherkenning.”
Een convolutioneel neuraal netwerk is een soort door de hersenen geïnspireerde kunstmatige intelligentie die vaak wordt gebruikt voor beeldclassificatietaken. Hoewel de neuronen nog steeds de leerbare gewichten en vooroordelen hebben van conventionele neurale netwerken (d.w.z. de dingen die het mogelijk maken leren), stelt de expliciete veronderstelling dat het om beelden als input gaat, de makers ervan in staat het aantal parameters in het bestand te verminderen netwerk. Dit maakt het efficiënter.
“Dit was de eerste toepassing van A.I. voor echte kosmologische gegevens, inclusief alle praktische aspecten die daarbij horen.”
“Grof gezegd [het werkt doordat wij de netwerken voorzien] met een grote hoeveelheid gegevens creëren ze automatisch een reeks complexe filters om de relevante informatie uit de kaarten te extraheren,” Dr. Tomasz Kacprzak, een van de andere co-auteurs van het project, aan Digital Trends. “Vervolgens probeert het deze filters optimaal te combineren om een zo nauwkeurig mogelijk antwoord te geven.”
Het extraheren van de kosmologische parameters
De onderzoekers trainden hun neurale netwerk door het computergegenereerde gegevens toe te voeren die het universum simuleren. Hierdoor kon het herhaaldelijk kaarten van donkere materie analyseren om ‘kosmologische parameters’ uit echte beelden van de nachtelijke hemel te kunnen halen. De resultaten lieten verbeteringen zien van 30% vergeleken met traditionele methoden, gebaseerd op door mensen gemaakte statistische analyses.
“De A.I. algoritme heeft veel data nodig om te leren in de trainingsfase”, vervolgde Fluri. “Het is heel belangrijk dat deze trainingsgegevens, in onze casussimulaties, zo nauwkeurig mogelijk zijn. Anders leert het functies die niet aanwezig zijn in echte gegevens. Om dit te doen, moesten we veel grote en nauwkeurige simulaties genereren, wat een hele uitdaging was. Daarna moesten we het algoritme aanpassen om topprestaties te bereiken. Dit werd gedaan door meerdere netwerkarchitecturen te testen om de prestaties te optimaliseren.”
Vervolgens gebruikten ze hun volledig getrainde neurale netwerk om daadwerkelijke kaarten van donkere materie te analyseren. Deze kwamen uit de zgn KiDS-450-gegevensset, gemaakt met behulp van de VLT Survey Telescope (VST) in Chili. De dataset bestrijkt een totaalgebied van ongeveer 2200 keer de grootte van de volle maan. Het bevat gegevens van ongeveer 15 miljoen sterrenstelsels.
Vanwege deze buitengewoon grote hoeveelheid gegevens hadden de onderzoekers een supercomputer nodig om hun kunstmatige intelligentie in actie te brengen. Uiteindelijk hebben ze hun A.I. op een computer in het Swiss National Supercomputing Center in Lugano, een stad in het zuiden van Zwitserland, die grenst aan Italië. De supercomputers bij CSCS zijn beschikbaar voor alle Zwitserse universiteiten en onderzoeksinstellingen. De machines zijn zo krachtig dat ze, om oververhitting te voorkomen, water uit het nabijgelegen meer van Lugano wordt voor koeling aangepompt met een snelheid van 460 liter per seconde.
Een kosmologische AI
“Dit was de eerste toepassing van A.I. voor echte kosmologische gegevens, inclusief alle praktische aspecten die daarmee gepaard gaan”, zei Fluri. “We zouden kunnen aantonen dat onze methode consistente resultaten oplevert op een relatief kleine dataset. We hopen dezelfde methode te gebruiken voor grotere waarnemingen, maar ook voor het meten van meer kosmologische parameters om andere aspecten van de kosmologische fysica te onderzoeken. Ten slotte hopen we nieuwe inzichten te verwerven over [de] donkere sector van het universum.”
Volgens Fluri is het team nu verder gegaan dan de KiDS-450-dataset, “aangezien er nu nieuwere en betere datasets zijn.” Eén in het bijzonder is de Onderzoek naar donkere energie, een grootschalig zichtbaar en nabij-infraroodonderzoek uitgevoerd door onderzoeksinstellingen en universiteiten uit de VS, Brazilië, het Verenigd Koninkrijk, Duitsland, Spanje en Zwitserland.
“Voordat we echter nieuwe datasets kunnen analyseren, moeten we de methode zodanig aanpassen dat deze het toegenomen datavolume aankan”, aldus Fluri. “We experimenteren momenteel met enkele methoden om dat te bereiken. Daarna bespreken we de volgende dataset die we willen analyseren. Een tijdschema kan ik je nog niet geven, omdat dat afhangt van de gekozen dataset en de vereisten van de simulaties.”
Er was een document waarin het werk werd beschreven onlangs gepubliceerd in het tijdschrift Physical Review D.
Aanbevelingen van de redactie
- Onderzoekers willen zwaartekrachtgolven gebruiken om meer te weten te komen over donkere materie
- Hoe je de Euclid-telescoop voor donkere materie aanstaande zaterdag kunt zien lanceren
- Finishing touch: hoe wetenschappers robots mensachtige tastzintuigen geven
- Hubble legt gigantische cluster van sterrenstelsels vast die ons kunnen helpen donkere materie te begrijpen
- Kunnen superzware zwarte gaten worden gevormd uit donkere materie?
