Czy może to być ta sama technologia, do której przywykliśmy odblokuj smartfony innych osób także pomóc odkryć tajemnice wszechświata? Może to wydawać się mało prawdopodobne, ale właśnie nad tym pracują naukowcy ze szwajcarskiego uniwersytetu ETH Zurich, zajmującego się nauką i technologią.
Zawartość
- Ciemna materia ma znaczenie
- Na ratunek przychodzi słabe soczewkowanie grawitacyjne
- Ekstrakcja parametrów kosmologicznych
- Kosmologiczna sztuczna inteligencja
Wykorzystanie odmiany sieci neuronowej sztucznej inteligencji stojącej za dzisiejszym rozpoznawaniem twarzy technologii, opracowali nową sztuczną inteligencję. narzędzi, które mogą okazać się przełomowe w odkryciu tzw “Ciemna materia.” Fizycy uważają, że zrozumienie tej tajemniczej substancji jest konieczne do wyjaśnienia podstawowych pytań dotyczących podstawowej struktury wszechświata.
Polecane filmy
„Algorytm, którego [używamy] jest bardzo zbliżony do algorytmu powszechnie stosowanego w rozpoznawaniu twarzy” Janis Fluri, doktorant student pracujący w laboratorium ETH w Zurychu, zajmujący się zastosowaniem sieci neuronowych do rozwiązywania problemów kosmologicznych, powiedział Digital Trends. „Piękno A.I. polega na tym, że może uczyć się na podstawie praktycznie dowolnych danych. Podczas rozpoznawania twarzy uczy się rozpoznawać oczy, usta i nosy, podczas gdy my szukamy struktur, które dają nam wskazówki na temat ciemnej materii. To rozpoznawanie wzorców jest zasadniczo rdzeniem algorytmu. Ostatecznie dostosowaliśmy go jedynie w celu wywnioskowania podstawowych parametrów kosmologicznych”.
Ciemna materia ma znaczenie
Ale czego właściwie szukają badacze? W tej chwili nie jest to do końca znane. Ale jak pamiętnie stwierdził sędzia Sądu Najwyższego Stanów Zjednoczonych Potter Stewart na temat nieprzyzwoitości: „Rozpoznaję to, kiedy to widzę”. Albo raczej nie – bo tego nie widać. Ale naukowcy dowiedzą się o tym, gdy już to znajdą. Witamy w dziwnym świecie ciemnej materii.
Od ponad stu lat stawia się hipotezę o istnieniu ciemnej materii w jakiejś formie. Uważa się, że stanowi około 27% Wszechświata i przewyższa materię widzialną w stosunku około sześć do jednego. Wszystko we wszechświecie, co możemy wykryć — cała materia atomowa, z której składają się galaktyki, gwiazdy, planety, życie na Ziemi urządzenie, na którym czytasz ten artykuł, to tylko maleńki ułamek całej materii istnieje. Przytłaczającej większości z nich nie można bezpośrednio śledzić. Jest niewidzialny i może przenikać bezpośrednio przez materię widzialną.
Zamiast tego jego istnienie opiera się na naszych obserwacjach dotyczących sposobu działania wszechświata; jak współlokator, którego nigdy nie widujesz, ale na pewno istnieje, ponieważ jego połowa rachunków jest opłacana, a ktoś od czasu do czasu korzysta z prysznica, kiedy tego chcesz. Tylko w tym przypadku dzieje się tak dlatego, że naukowcy ustalili, że prędkość, z jaką obracają się galaktyki, wynosi wystarczająco szybko, że nie dałoby się ich utrzymać razem po prostu dzięki grawitacji generowanej przez obiekty obserwowalne materiał. Dlatego teoretyzuje się, że ciemna materia jest tajnym składnikiem, który nadaje tym galaktykom dodatkową masę, której potrzebują, aby nie rozerwać się na kawałki niczym samobójcza papierowa torba. To właśnie powoduje, że zwykła materia w postaci pyłu i gazu gromadzi się i składa w gwiazdy i galaktyki.
Na ratunek przychodzi słabe soczewkowanie grawitacyjne
Szukanie czegoś, na co nie można patrzeć, wydaje się trudne. To jest. Istnieje jednak sposób, dzięki któremu naukowcy są w stanie określić, gdzie ich zdaniem najprawdopodobniej znajduje się ciemna materia. Robią to, przyglądając się subtelnym sposobom, w jakie światło w dużych gromadach galaktyk zagina i zniekształca światło z bardziej odległych galaktyk. Nazywa się to słabym soczewkowaniem grawitacyjnym.
Obserwacja obszarów wokół masywnych gromad galaktyk pozwala astronomom zidentyfikować galaktyki tła, które wydają się wypaczone. Dzięki inżynierii wstecznej tych zniekształceń mogą następnie wyizolować miejsca, w których ich zdaniem można znaleźć najgęstsze skupiska materii, zarówno widzialnej, jak i niewidzialnej. Pomyśl o tym jak o efekcie mirażu, który powoduje, że odległe obrazy są rozmyte i migotliwe w upalny dzień – tylko znacznie dalej.
„Wcześniej mapy mas słabego soczewkowania można było badać, ręcznie wybierając odpowiednie cechy” – wyjaśniła Janis Fluri. „To bardzo skomplikowane zadanie i nie ma gwarancji, że wybrane funkcje zawierają wszystkie istotne informacje. Rozwiązujemy ten problem za pomocą A.I. zbliżać się. Splotowe sieci neuronowe wykorzystywane w naszej pracy doskonale radzą sobie z rozpoznawaniem wzorców”.
Splotowa sieć neuronowa to rodzaj sztucznej inteligencji inspirowanej mózgiem, często wykorzystywanej do zadań klasyfikacji obrazów. Chociaż jego neurony nadal mają możliwe do wyuczenia wagi i uprzedzenia konwencjonalnych sieci neuronowych (tj. uczyć się), jego wyraźne założenie, że ma do czynienia z obrazami jako danymi wejściowymi, pozwala twórcom zmniejszyć liczbę parametrów w pliku sieć. Dzięki temu jest bardziej wydajny.
„To było pierwsze zastosowanie sztucznej inteligencji. prawdziwych danych kosmologicznych, łącznie ze wszystkimi praktycznymi aspektami, które się z nimi wiążą.”
„Mówiąc mniej więcej, [działa to przez to, że dostarczamy sieciom] dużą ilość danych, które automatycznie tworzą zestaw skomplikowanych filtrów w celu wyodrębnienia odpowiednich informacji z map” Doktor Tomasz Kacprzak, jeden z pozostałych współautorów projektu, powiedział Digital Trends. „Następnie próbuje optymalnie połączyć te filtry, aby uzyskać jak najbardziej precyzyjną odpowiedź”.
Ekstrakcja parametrów kosmologicznych
Naukowcy przeszkolili swoją sieć neuronową, dostarczając jej wygenerowane komputerowo dane symulujące wszechświat. Pozwoliło to na wielokrotną analizę map ciemnej materii, aby móc wyodrębnić „parametry kosmologiczne” z rzeczywistych obrazów nocnego nieba. Wyniki wykazały poprawę o 30% w porównaniu z tradycyjnymi metodami, w oparciu o analizę statystyczną przeprowadzoną przez człowieka.
„AI Algorytm potrzebuje dużo danych do nauczenia się w fazie uczenia” – kontynuowała Fluri. „Bardzo ważne jest, aby dane szkoleniowe, w naszym przypadku symulacje, były jak najbardziej dokładne. W przeciwnym razie nauczy się cech, których nie ma w rzeczywistych danych. Aby tego dokonać, musieliśmy wygenerować wiele dużych i dokładnych symulacji, co było dużym wyzwaniem. Następnie musieliśmy ulepszyć algorytm, aby osiągnąć najwyższą wydajność. Dokonano tego poprzez przetestowanie wielu architektur sieciowych w celu optymalizacji wydajności.”
Następnie wykorzystali swoją w pełni wyszkoloną sieć neuronową do analizy rzeczywistych map ciemnej materii. Pochodziły one z tzw Zbiór danych KiDS-450, wykonane za pomocą teleskopu VLT Survey Telescope (VST) w Chile. Zbiór danych obejmuje całkowity obszar około 2200 razy większy od Księżyca w pełni. Zawiera zapisy dotyczące około 15 milionów galaktyk.
Ze względu na tę niezwykle dużą ilość danych badacze potrzebowali superkomputera, aby uruchomić sztuczną inteligencję. Ostatecznie uruchomili swoją sztuczną inteligencję. na komputerze w Szwajcarskim Narodowym Centrum Superkomputerowym w Lugano, mieście w południowej Szwajcarii graniczącym z Włochami. Superkomputery w CSCS są dostępne dla wszystkich szwajcarskich uniwersytetów i instytucji badawczych. Jej maszyny są tak mocne, że aby zapobiec ich przegrzaniu, wodę z pobliskiego jeziora Lugano jest pompowana do chłodzenia z szybkością 460 litrów na sekundę.
Kosmologiczna sztuczna inteligencja
„To było pierwsze zastosowanie sztucznej inteligencji. prawdziwych danych kosmologicznych, łącznie ze wszystkimi praktycznymi aspektami z nimi związanymi” – powiedziała Fluri. „Moglibyśmy pokazać, że nasza metoda daje spójne wyniki na stosunkowo małym zbiorze danych. Mamy nadzieję zastosować tę samą metodę do większych obserwacji, ale także zmierzyć więcej parametrów kosmologicznych, aby zbadać inne aspekty fizyki kosmologicznej. Wreszcie mamy nadzieję poznać nowe spostrzeżenia na temat ciemnego sektora wszechświata”.
Według Fluri zespół wyszedł teraz poza zbiór danych KiDS-450, „ponieważ istnieją obecnie nowsze i lepsze zbiory danych”. Jednym z nich jest w szczególności Badanie ciemnej energii, masowe badanie w świetle widzialnym i bliskiej podczerwieni przeprowadzone przez instytucje badawcze i uniwersytety z USA, Brazylii, Wielkiej Brytanii, Niemiec, Hiszpanii i Szwajcarii.
„Zanim jednak będziemy mogli analizować nowe zbiory danych, musimy dostosować metodę, aby była w stanie obsłużyć zwiększoną ilość danych” – stwierdziła Fluri. „Obecnie eksperymentujemy z pewnymi metodami, aby to osiągnąć. Następnie omówimy kolejny zbiór danych, który chcemy przeanalizować. Nie mogę jeszcze podać harmonogramu, ponieważ zależy to od wybranego zbioru danych i wymagań symulacji.”
Artykuł opisujący tę pracę był niedawno opublikowany w czasopiśmie Physical Review D.
Zalecenia redaktorów
- Naukowcy chcą wykorzystać fale grawitacyjne do poznania ciemnej materii
- Jak oglądać wystrzelenie teleskopu ciemnej materii Euclid w tę sobotę
- Wykończenie: jak naukowcy nadają robotom zmysły dotyku przypominające ludzkie
- Hubble rejestruje gigantyczną gromadę galaktyk, która może pomóc nam zrozumieć ciemną materię
- Czy supermasywne czarne dziury mogą powstać z ciemnej materii?
