การจดจำใบหน้าช่วยให้นักดาราศาสตร์เปิดเผยความลับของสสารมืดได้อย่างไร

อาจเป็นเทคโนโลยีเดียวกับที่ใช้ ปลดล็อคสมาร์ทโฟนของผู้คน ยังช่วยไขความลับของจักรวาลด้วย? อาจฟังดูไม่น่าเป็นไปได้ แต่นั่นคือสิ่งที่นักวิจัยจากมหาวิทยาลัย ETH Zurich ที่มุ่งเน้นด้านวิทยาศาสตร์และเทคโนโลยีของสวิตเซอร์แลนด์กำลังทำงานเพื่อให้บรรลุเป้าหมาย

การใช้โครงข่ายประสาทเทียมประเภทต่างๆ ที่อยู่เบื้องหลังการจดจำใบหน้าในปัจจุบัน เทคโนโลยีพวกเขาได้พัฒนา A.I. ใหม่ เครื่องมือที่สามารถพิสูจน์ได้ว่าเป็นผู้เปลี่ยนเกมในการค้นพบสิ่งที่เรียกว่า “สสารมืด” นักฟิสิกส์เชื่อว่าการทำความเข้าใจสสารลึกลับนี้จำเป็นต่อการอธิบายคำถามพื้นฐานเกี่ยวกับโครงสร้างพื้นฐานของจักรวาล

“อัลกอริธึมที่เรา [ใช้] นั้นใกล้เคียงกับอัลกอริธึมที่ใช้ในการจดจำใบหน้าทั่วไปมาก” เจนิส ฟลูริ, ปริญญาเอก นักเรียนที่ทำงานในห้องแล็บ ETH ซูริกซึ่งเน้นไปที่การนำโครงข่ายประสาทเทียมมาประยุกต์ใช้กับปัญหาทางจักรวาลวิทยา กล่าวกับ Digital Trends “ความงดงามของ A.I. คือมันสามารถเรียนรู้จากข้อมูลใดๆ ก็ได้ ในการจดจำใบหน้า มันเรียนรู้ที่จะจดจำดวงตา ปาก และจมูก ในขณะที่เรากำลังมองหาโครงสร้างที่ให้คำแนะนำเกี่ยวกับสสารมืดแก่เรา การจดจำรูปแบบนี้ถือเป็นแกนหลักของอัลกอริธึม ท้ายที่สุดแล้ว เราก็ดัดแปลงมันเพื่อสรุปพารามิเตอร์ทางจักรวาลวิทยาที่สำคัญเท่านั้น”

สสารมืดก็มีความสำคัญ

แต่สิ่งที่นักวิจัยกำลังมองหาคืออะไรกันแน่? ตอนนี้ยังไม่เป็นที่ทราบแน่ชัด แต่ดังที่พอตเตอร์ สจ๊วร์ต ผู้พิพากษาศาลฎีกาของสหรัฐอเมริกากล่าวไว้อย่างน่าจดจำเกี่ยวกับเรื่องอนาจารว่า “ฉันเห็นแล้วฉันก็รู้” หรือค่อนข้างจะไม่ - เพราะมันมองไม่เห็น แต่นักวิทยาศาสตร์จะรู้ทันทีที่พบมัน ยินดีต้อนรับสู่โลกที่แปลกประหลาดของสสารมืด

การมีอยู่ของสสารมืดในรูปแบบใดรูปแบบหนึ่งได้รับการตั้งสมมติฐานมานานกว่าศตวรรษ เชื่อกันว่ามีสัดส่วนประมาณ 27% ของจักรวาล ซึ่งมีมากกว่าสสารที่มองเห็นได้ในอัตราส่วนประมาณ 6 ต่อ 1 ทุกสิ่งในจักรวาลที่เราตรวจจับได้ — สสารอะตอมทั้งหมดที่ประกอบเป็นกาแล็กซี ดวงดาว ดาวเคราะห์ และสิ่งมีชีวิต บนโลก อุปกรณ์ที่คุณกำลังอ่านบทความนี้ เป็นเพียงส่วนเล็กๆ ของเรื่องทั้งหมดเท่านั้น มีอยู่จริง ไม่สามารถติดตามจำนวนมากได้โดยตรง มันมองไม่เห็นและสามารถทะลุผ่านสสารที่มองเห็นได้ตามปกติ

แต่การดำรงอยู่ของมันถูกกำหนดไว้ล่วงหน้าจากการสังเกตของเราเกี่ยวกับวิธีการทำงานของจักรวาล เหมือนเพื่อนร่วมบ้านที่คุณไม่เคยเห็นแต่แน่ใจว่ามีอยู่จริงเพราะพวกเขาได้รับเงินครึ่งหนึ่งและมีคนมาอาบน้ำเป็นครั้งคราวเมื่อคุณต้องการ ในกรณีนี้เท่านั้น เป็นเพราะนักวิทยาศาสตร์ได้ค้นพบว่ากาแล็กซีหมุนด้วยความเร็วเท่าใด เร็วพอที่จะไม่สามารถจับพวกมันไว้ด้วยกันได้ง่ายๆ ด้วยแรงโน้มถ่วงที่เกิดจากการสังเกตได้ วัตถุ. จึงมีทฤษฎีว่าสสารมืดเป็นส่วนผสมลับที่ทำให้กาแลคซีเหล่านี้มีมวลพิเศษที่ต้องการเพื่อไม่ให้แยกออกจากกันเหมือนถุงกระดาษฆ่าตัวตาย เป็นสิ่งที่ขับเคลื่อนสสารปกติในรูปของฝุ่นและก๊าซให้รวมตัวกันเป็นดาวฤกษ์และกาแล็กซี

เลนส์โน้มถ่วงที่อ่อนแอในการช่วยชีวิต

การมองหาสิ่งที่มองไม่เห็นอาจฟังดูยาก มันคือ. แต่มีวิธีที่นักวิทยาศาสตร์สามารถระบุตำแหน่งที่พวกเขาคิดว่าสสารมืดน่าจะอยู่ที่ใดมากที่สุด พวกเขาทำเช่นนี้โดยดูจากวิธีการอันละเอียดอ่อนที่ทำให้แรงโน้มถ่วงของกระจุกดาราจักรใหญ่โค้งงอและบิดเบือนแสงจากดาราจักรที่อยู่ห่างไกลออกไป สิ่งนี้เรียกว่าเลนส์โน้มถ่วงอ่อน

การสังเกตพื้นที่รอบๆ กระจุกกาแลคซีขนาดใหญ่ทำให้นักดาราศาสตร์สามารถระบุกาแลคซีพื้นหลังที่ดูเหมือนจะบิดเบี้ยวได้ ด้วยการทำวิศวกรรมย้อนกลับการบิดเบือนเหล่านี้ พวกเขาสามารถแยกจุดที่เชื่อว่าความเข้มข้นของสสารหนาแน่นที่สุดสามารถพบได้ทั้งที่มองเห็นและมองไม่เห็น ลองคิดว่ามันเหมือนกับเอฟเฟกต์ภาพลวงตาที่ทำให้ภาพที่ห่างไกลเบลอและเป็นประกายในวันที่อากาศร้อน ซึ่งอยู่ไกลออกไปมากเท่านั้น

“ก่อนหน้านี้เราจะศึกษาแผนที่มวลเลนส์ที่อ่อนแอโดยการเลือกคุณสมบัติที่เกี่ยวข้องด้วยตนเอง” Janis Fluri อธิบาย “นี่เป็นงานที่ซับซ้อนมาก และไม่มีการรับประกันว่าคุณสมบัติที่เลือกจะมีข้อมูลที่เกี่ยวข้องทั้งหมด เราแก้ไขปัญหานี้ด้วย A.I. เข้าใกล้. โครงข่ายประสาทเทียมที่ใช้ในงานของเรามีความสามารถในการจดจำรูปแบบได้ดีเยี่ยม”

โครงข่ายประสาทเทียมแบบหมุนเป็นปัญญาประดิษฐ์ประเภทหนึ่งที่ได้รับแรงบันดาลใจจากสมอง ซึ่งมักใช้สำหรับงานจำแนกภาพ ในขณะที่เซลล์ประสาทของมันยังคงมีน้ำหนักและอคติที่สามารถเรียนรู้ได้ของโครงข่ายประสาทเทียมทั่วไป (เช่น สิ่งต่าง ๆ ที่ทำให้สามารถ เรียนรู้) ข้อสันนิษฐานที่ชัดเจนว่ากำลังจัดการกับรูปภาพเนื่องจากอินพุตทำให้ผู้สร้างสามารถลดจำนวนพารามิเตอร์ใน เครือข่าย ทำให้มีประสิทธิภาพมากขึ้น

“โดยคร่าวๆ แล้ว [มันทำงานโดยเราจัดหาเครือข่าย] ด้วยข้อมูลจำนวนมาก พวกเขาสร้างชุดตัวกรองที่ซับซ้อนโดยอัตโนมัติเพื่อดึงข้อมูลที่เกี่ยวข้องของแผนที่” ดร. โทมัส คัคพซัคหนึ่งในผู้ร่วมเขียนโครงการกล่าวกับ Digital Trends “จากนั้นจะพยายามรวมตัวกรองเหล่านี้อย่างเหมาะสมที่สุดเพื่อให้คำตอบที่แม่นยำที่สุดเท่าที่จะเป็นไปได้”

การแยกพารามิเตอร์ทางจักรวาลวิทยา

นักวิจัยได้ฝึกฝนโครงข่ายประสาทเทียมโดยป้อนข้อมูลที่สร้างด้วยคอมพิวเตอร์ซึ่งจำลองจักรวาล วิธีนี้ทำให้สามารถวิเคราะห์แผนที่สสารมืดซ้ำๆ เพื่อให้สามารถดึง “พารามิเตอร์ทางจักรวาล” ออกจากภาพถ่ายจริงของท้องฟ้ายามค่ำคืนได้ ผลลัพธ์แสดงให้เห็นการปรับปรุง 30% เมื่อเทียบกับวิธีการแบบเดิม โดยอิงจากการวิเคราะห์ทางสถิติที่มนุษย์สร้างขึ้น

“เอไอ อัลกอริธึมต้องการข้อมูลจำนวนมากเพื่อเรียนรู้ในระยะการฝึกอบรม” Fluri กล่าวต่อ “ในกรณีของเรา ข้อมูลการฝึกอบรมนี้จะต้องมีความแม่นยำที่สุดเท่าที่จะเป็นไปได้เป็นสิ่งสำคัญมาก มิฉะนั้นจะเรียนรู้คุณสมบัติที่ไม่มีอยู่ในข้อมูลจริง เพื่อจะทำสิ่งนี้ได้ เราต้องสร้างการจำลองขนาดใหญ่และแม่นยำจำนวนมาก ซึ่งเป็นเรื่องที่ท้าทายมาก หลังจากนั้น เราต้องปรับแต่งอัลกอริธึมเพื่อให้ได้ประสิทธิภาพสูงสุด สิ่งนี้ทำได้โดยการทดสอบสถาปัตยกรรมเครือข่ายหลายตัวเพื่อเพิ่มประสิทธิภาพการทำงาน”

จากนั้นพวกเขาใช้โครงข่ายประสาทเทียมที่ได้รับการฝึกมาอย่างเต็มที่เพื่อวิเคราะห์แผนที่สสารมืดที่เกิดขึ้นจริง สิ่งเหล่านี้มาจากสิ่งที่เรียกว่า ชุดข้อมูล KiDS-450สร้างขึ้นโดยใช้กล้องโทรทรรศน์สำรวจ VLT (VST) ในประเทศชิลี ชุดข้อมูลครอบคลุมพื้นที่ทั้งหมดประมาณ 2,200 เท่าของขนาดพระจันทร์เต็มดวง ประกอบด้วยบันทึกกาแล็กซีประมาณ 15 ล้านกาแล็กซี

เนื่องจากข้อมูลจำนวนมหาศาลนี้ นักวิจัยจึงจำเป็นต้องมีซูเปอร์คอมพิวเตอร์เพื่อนำปัญญาประดิษฐ์ไปใช้จริง ในที่สุดพวกเขาก็ใช้ A.I. บนคอมพิวเตอร์ที่ Swiss National Supercomputing Center ในเมืองลูกาโน เมืองทางตอนใต้ของสวิตเซอร์แลนด์ ซึ่งมีพรมแดนติดกับอิตาลี ซูเปอร์คอมพิวเตอร์ที่ CSCS มีให้บริการสำหรับมหาวิทยาลัยและสถาบันวิจัยในสวิสทุกแห่ง เครื่องจักรของมันทรงพลังมากจนเพื่อที่จะหยุดไม่ให้เครื่องร้อนเกินไป น้ำจากทะเลสาบลูกาโนที่อยู่ใกล้เคียง ถูกสูบเข้าไปทำความเย็นด้วยอัตรา 460 ลิตรต่อวินาที

A.I.ทางจักรวาลวิทยา

“นี่เป็นแอปพลิเคชั่นแรกของ A.I. สำหรับข้อมูลจักรวาลวิทยาจริง รวมถึงแง่มุมเชิงปฏิบัติทั้งหมดที่มาพร้อมกับมัน” ฟลูริกล่าว “เราสามารถแสดงให้เห็นว่าวิธีการของเราให้ผลลัพธ์ที่สม่ำเสมอกับชุดข้อมูลที่ค่อนข้างเล็ก เราหวังว่าจะใช้วิธีการเดียวกันนี้กับการสังเกตการณ์ในวงกว้างขึ้น แต่ยังวัดค่าพารามิเตอร์ทางจักรวาลวิทยาเพิ่มเติมเพื่อสำรวจแง่มุมอื่นๆ ของฟิสิกส์จักรวาลวิทยาด้วย สุดท้ายนี้ เราหวังว่าจะได้เรียนรู้ข้อมูลเชิงลึกใหม่ๆ เกี่ยวกับภาคส่วนมืดของจักรวาล”

จากข้อมูลของ Fluri ทีมงานได้ก้าวไปไกลกว่าชุดข้อมูล KiDS-450 แล้ว “เนื่องจากมีชุดข้อมูลที่ใหม่และดีกว่าอยู่ในขณะนี้” โดยเฉพาะอย่างหนึ่งก็คือ การสำรวจพลังงานมืดซึ่งเป็นการสำรวจด้วยแสงอินฟราเรดใกล้ขนาดมหึมาที่ดำเนินการโดยสถาบันวิจัยและมหาวิทยาลัยจากสหรัฐอเมริกา บราซิล สหราชอาณาจักร เยอรมนี สเปน และสวิตเซอร์แลนด์

“ก่อนที่เราจะวิเคราะห์ชุดข้อมูลใหม่ได้ เราจำเป็นต้องปรับวิธีการเพื่อให้สามารถจัดการกับปริมาณข้อมูลที่เพิ่มขึ้นได้” Fluri กล่าว “ขณะนี้เรากำลังทดลองวิธีการบางอย่างเพื่อให้บรรลุเป้าหมายดังกล่าว หลังจากนั้นเราจะพูดถึงชุดข้อมูลถัดไปที่เราต้องการวิเคราะห์ ฉันยังไม่สามารถให้มาตราส่วนเวลาให้คุณได้ เนื่องจากมันขึ้นอยู่กับชุดข้อมูลที่เลือกและข้อกำหนดของการจำลอง”

กระดาษอธิบายการทำงานคือ ตีพิมพ์เมื่อเร็ว ๆ นี้ในวารสาร Physical Review D.

คำแนะนำของบรรณาธิการ

• นักวิจัยต้องการใช้คลื่นความโน้มถ่วงเพื่อเรียนรู้เกี่ยวกับสสารมืด
• วิธีดูกล้องโทรทรรศน์สสารมืดยุคลิดเปิดตัววันเสาร์นี้
• สัมผัสสุดท้าย: วิธีที่นักวิทยาศาสตร์ให้ประสาทสัมผัสสัมผัสเหมือนมนุษย์กับหุ่นยนต์
• ฮับเบิลจับภาพกระจุกกาแลคซีขนาดยักษ์ที่สามารถช่วยให้เราเข้าใจสสารมืดได้
• หลุมดำมวลมหาศาลสามารถก่อตัวจากสสารมืดได้หรือไม่?