Kunne den samme teknologien som er vant til låse opp folks smarttelefoner også bidra til å låse opp universets hemmeligheter? Det høres kanskje usannsynlig ut, men det er akkurat det forskere fra Sveits sitt vitenskaps- og teknologifokuserte universitet ETH Zürich jobber for å oppnå.
Innhold
- Mørk materie betyr noe
- Svak gravitasjonslinse til unnsetning
- Trekke ut de kosmologiske parameterne
- En kosmologisk A.I.
Bruke en variant av typen kunstig intelligens nevrale nettverk bak dagens ansiktsgjenkjenning teknologi, har de utviklet ny A.I. verktøy som kan bevise en game-changer i oppdagelsen av såkalte “mørk materie." Fysikere mener at forståelse av dette mystiske stoffet er nødvendig for å forklare grunnleggende spørsmål om universets underliggende struktur.
Anbefalte videoer
"Algorithmen vi [bruker] er veldig nær det som vanligvis brukes i ansiktsgjenkjenning," Janis Fluri, en Ph.D. student som jobber i et ETH Zürich-laboratorium med fokus på å bruke nevrale nettverk på kosmologiske problemer, fortalte Digital Trends. «Skjønnheten til A.I. er at den kan lære av stort sett alle data. I ansiktsgjenkjenning lærer den å gjenkjenne øyne, munner og neser, mens vi leter etter strukturer som gir oss hint om mørk materie. Denne mønstergjenkjenningen er i hovedsak kjernen i algoritmen. Til syvende og sist tilpasset vi det bare for å utlede de underliggende kosmologiske parametrene."
Mørk materie betyr noe
Men hva er det egentlig forskerne ser etter? Akkurat nå er det ikke helt kjent. Men som USAs høyesterettsdommer Potter Stewart minneverdig uttalte om uanstendighet, "Jeg vet det når jeg ser det." Eller rettere sagt, vi vil ikke - fordi det ikke kan sees. Men forskerne vil vite det når de har funnet det. Velkommen til den rare verdenen av mørk materie.
Eksistensen av mørk materie i en eller annen form har vært antatt i godt over et århundre. Det antas å utgjøre rundt 27% av universet, og oppveier synlig materie med et forhold på omtrent seks til én. Alt i universet som vi kan oppdage - all atommaterie som utgjør galakser, stjerner, planeter, liv på jorden, enheten du leser denne artikkelen på - er bare en bitte liten brøkdel av all materie som finnes. Den overveldende hoveddelen av den kan ikke spores direkte. Den er usynlig og kan passere rett gjennom vanlig synlig materie.
I stedet er dens eksistens basert på våre observasjoner om måten universet fungerer på; som en huskamerat du aldri ser, men er sikker på at den eksisterer fordi halvparten av regningene deres blir betalt og noen av og til bruker dusjen når du vil ha det. Bare i dette tilfellet er det fordi forskere har funnet ut at hastigheten som galaksene roterer med er tilstrekkelig raskt til at de ikke kunne holdes sammen bare av tyngdekraften generert av observerbare saken. Mørk materie er derfor teoretisert å være de hemmelige ingrediensene som gir disse galaksene den ekstra massen de trenger for ikke å rive seg i stykker som en selvmordspapirpose. Det er det som driver normal materie i form av støv og gass til å samles og settes sammen til stjerner og galakser.
Svak gravitasjonslinse til unnsetning
Å lete etter noe som ikke kan ses på høres vanskelig ut. Det er. Men det er en måte forskerne er i stand til å finne ut hvor de tror det er mest sannsynlig at mørk materie befinner seg. De gjør dette ved å se på de subtile måtene lyset på at tyngdekraften til store galaksehoper bøyer og forvrenger lyset fra fjernere galakser. Dette kalles svak gravitasjonslinsing.
Ved å observere områdene rundt massive klynger av galakser, kan astronomer identifisere bakgrunnsgalakser som virker skjeve. Ved å reversere disse forvrengningene kan de isolere der de tror de tetteste konsentrasjonene av materie, både synlig og usynlig, kan finnes. Tenk på det som luftspeilingseffekten som gjør at fjerne bilder blir uskarpe og skinnende på en varm dag - bare mye lenger unna.
"Tidligere ville man studere svake linsemassekart ved å manuelt velge de relevante funksjonene," forklarte Janis Fluri. "Dette er en veldig komplisert oppgave, og det er ingen garantier for at de valgte funksjonene inneholder all relevant informasjon. Vi løser dette problemet med A.I. nærme seg. De konvolusjonelle nevrale nettverkene som brukes i arbeidet vårt utmerker seg ved mønstergjenkjenning."
Et konvolusjonelt nevralt nettverk er en type hjerneinspirert kunstig intelligens som ofte brukes til bildeklassifiseringsoppgaver. Mens dens nevroner fortsatt har den lærebare vekten og skjevheten til konvensjonelle nevrale nettverk (dvs. tingene som gjør at den kan lære), dens eksplisitte antakelse om at den har å gjøre med bilder som input gjør det mulig for skaperne å redusere antall parametere i Nettverk. Dette gjør det mer effektivt.
"Dette var den første søknaden til A.I. for ekte kosmologiske data, inkludert alle praktiske aspekter som følger med det.»
"Grovt sett, [fungerer det ved at vi gir nettverkene] en stor mengde data, de lager automatisk et sett med komplekse filtre for å trekke ut relevant informasjon fra kartene," Dr. Tomasz Kacprzak, en av de andre medforfatterne av prosjektet, fortalte Digital Trends. "Deretter prøver den å kombinere disse filtrene optimalt for å gi et så nøyaktig svar som mulig."
Trekke ut de kosmologiske parameterne
Forskerne trente sitt nevrale nettverk ved å mate det datagenerert data som simulerer universet. Dette tillot den å gjentatte ganger analysere mørk materiekart for å kunne trekke ut "kosmologiske parametere" fra ekte bilder av nattehimmelen. Resultatene viste forbedringer på 30 % sammenlignet med tradisjonelle metoder, basert på menneskeskapte statistiske analyser.
«A.I. Algoritmen trenger mye data for å lære i treningsfasen,” fortsatte Fluri. "Det er veldig viktig at disse treningsdataene, i vårt tilfelle simuleringer, er så nøyaktige som mulig. Ellers vil den lære funksjoner som ikke er til stede i ekte data. For å gjøre dette måtte vi generere mye stor og nøyaktig simulering, noe som var veldig utfordrende. Etterpå måtte vi justere algoritmen for å oppnå topp ytelse. Dette ble gjort ved å teste flere nettverksarkitekturer for å optimalisere ytelsen."
De brukte deretter sitt fullt trente nevrale nettverk til å analysere faktiske kart over mørk materie. Disse kom fra den såkalte KiDS-450 datasett, laget ved hjelp av VLT Survey Telescope (VST) i Chile. Datasettet dekker et totalt område på rundt 2200 ganger størrelsen på fullmånen. Den inneholder registreringer av rundt 15 millioner galakser.
På grunn av denne usedvanlig store datamengden, trengte forskerne en superdatamaskin for å sette sin kunstige intelligens i bruk. De drev til slutt sin A.I. på en datamaskin ved Swiss National Supercomputing Center i Lugano, en by i Sør-Sveits som grenser til Italia. Superdatamaskinene ved CSCS er tilgjengelige for alle sveitsiske universiteter og forskningsinstitusjoner. Maskinene er så kraftige at for å hindre at de overopphetes, vann fra den nærliggende Luganosjøen pumpes inn for kjøling med en hastighet på 460 liter per sekund.
En kosmologisk A.I.
"Dette var den første søknaden til A.I. for ekte kosmologiske data, inkludert alle praktiske aspekter som følger med det," sa Fluri. "Vi kunne vise at metoden vår gir konsistente resultater på et relativt lite datasett. Vi håper å bruke samme metode på større observasjoner, men også å måle flere kosmologiske parametere for å undersøke andre aspekter av kosmologisk fysikk. Til slutt håper vi å lære ny innsikt om [den] mørke delen av universet.»
I følge Fluri har teamet nå beveget seg utover KiDS-450-datasettet, "ettersom det er nyere og bedre datasett nå." En spesielt er Mørk energiundersøkelse, en massiv synlig og nær-infrarød undersøkelse utført av forskningsinstitusjoner og universiteter fra USA, Brasil, Storbritannia, Tyskland, Spania og Sveits.
"Før vi kan analysere nye datasett, må vi imidlertid tilpasse metoden slik at den kan håndtere det økte datavolumet," sa Fluri. "Vi eksperimenterer for tiden med noen metoder for å oppnå det. Etter det vil vi diskutere neste datasett vi ønsker å analysere. Jeg kan ikke gi deg en tidsskala ennå, siden det avhenger av det valgte datasettet og kravene til simuleringene.»
Et papir som beskriver arbeidet var nylig publisert i tidsskriftet Physical Review D.
Redaktørenes anbefalinger
- Forskere ønsker å bruke gravitasjonsbølger for å lære om mørk materie
- Hvordan se Euklids mørk materie-teleskop lanseres denne lørdagen
- Finishing touch: Hvordan forskere gir roboter menneskelignende taktile sanser
- Hubble fanger gigantiske galaksehoper som kan hjelpe oss å forstå mørk materie
- Kan supermassive sorte hull dannes fra mørk materie?
