Yüz tanıma gökbilimcilerin karanlık maddenin sırlarını ortaya çıkarmasına nasıl yardımcı oluyor?

Kullanılan teknolojinin aynısı olabilir mi? insanların akıllı telefonlarının kilidini açın Ayrıca evrenin sırlarının kilidini açmaya da yardımcı olabilir misiniz? Pek olası görünmeyebilir, ancak İsviçre'nin bilim ve teknoloji odaklı üniversitesi ETH Zürih'ten araştırmacıların başarmak için çalıştığı şey tam olarak budur.

Günümüzün yüz tanıma teknolojisinin arkasında yapay zeka sinir ağı türünün bir varyasyonunu kullanmak teknolojisiyle yeni yapay zeka geliştirdiler. sözde keşfinde oyunun kurallarını değiştirebilecek araçlar “karanlık madde.” Fizikçiler, bu gizemli maddeyi anlamanın, evrenin altında yatan yapıya ilişkin temel soruları açıklamak için gerekli olduğuna inanıyor.

"Kullandığımız algoritma, yüz tanımada yaygın olarak kullanılan algoritmaya çok yakın." Janis Fluri, doktora derecesi ETH Zürih laboratuvarında çalışan bir öğrenci, Digital Trends'e sinir ağlarını kozmolojik problemlere uygulamaya odaklandığını söyledi. “A.I.'nin güzelliği. temelde herhangi bir veriden öğrenebilmesidir. Yüz tanımada biz karanlık madde hakkında ipuçları veren yapıları ararken gözleri, ağızları ve burunları tanımayı öğreniyor. Bu örüntü tanıma aslında algoritmanın temelini oluşturur. Sonuçta bunu yalnızca altta yatan kozmolojik parametreleri çıkaracak şekilde uyarladık.”

Karanlık madde önemlidir

Peki araştırmacıların aradığı şey tam olarak nedir? Şu anda tam olarak bilinmiyor. Ancak Amerika Birleşik Devletleri Yüksek Mahkemesi Yargıcı Potter Stewart'ın müstehcenlik hakkında unutulmaz bir şekilde ifade ettiği gibi, "Gördüğümde tanırım." Daha doğrusu yapmayacağız çünkü görülemiyor. Ancak bilim insanları bunu bulduktan sonra anlayacaklar. Karanlık maddenin tuhaf dünyasına hoş geldiniz.

Karanlık maddenin bir şekilde var olduğu bir yüzyıldan fazla süredir varsayılıyor. Evrenin yaklaşık %27'sini oluşturduğu düşünülüyor ve görünür maddeden yaklaşık altıya bir oranında daha ağır basıyor. Evrende tespit edebildiğimiz her şey; galaksileri, yıldızları, gezegenleri, yaşamı oluşturan tüm atomik maddeler Bu makaleyi okuduğunuz cihaz, Dünya'daki tüm maddelerin sadece çok küçük bir kısmıdır. var. Büyük bir kısmı doğrudan takip edilemiyor. Görünmezdir ve normal görünür maddeden doğrudan geçebilir.

Bunun yerine onun varlığı, evrenin işleyişine ilişkin gözlemlerimize dayanmaktadır; hiç görmediğiniz ama var olduğundan emin olduğunuz bir ev arkadaşı gibi çünkü faturaların yarısı ödeniyor ve birisi siz istediğinizde ara sıra duşu kullanıyor. Sadece bu durumda, bunun nedeni bilim adamlarının galaksilerin dönme hızının yeterince hızlıdırlar ki, sadece gözlemlenebilir kuvvetlerin oluşturduğu yerçekimi ile bir arada tutulamazlar. konu. Bu nedenle karanlık maddenin, bu galaksilere, kendilerini intihara meyilli bir kese kağıdı gibi parçalamamaları için ihtiyaç duydukları ekstra kütleyi veren gizli bileşenler olduğu teorize ediliyor. Toz ve gaz formundaki normal maddenin toplanıp yıldızlara ve galaksilere dönüşmesini sağlayan şey budur.

Kurtarmaya yönelik zayıf yerçekimsel mercekleme

Bakılamayan bir şeyi aramak kulağa zor geliyor. Bu. Ancak bilim adamlarının, karanlık maddenin büyük olasılıkla bulunacağını düşündükleri yeri tam olarak belirleyebilmelerinin bir yolu var. Bunu, büyük galaksi kümelerinin yerçekiminin daha uzak galaksilerden gelen ışığı büktüğü ve çarpıttığı ışığın ince yollarına bakarak yapıyorlar. Buna zayıf yerçekimsel merceklenme denir.

Devasa gökada kümelerinin etrafındaki alanları gözlemlemek, gökbilimcilerin arka plandaki çarpık görünen gökadaları tespit etmelerine olanak tanır. Bu bozulmalara tersine mühendislik uygulayarak, hem görünür hem de görünmez, maddenin en yoğun konsantrasyonlarının bulunabileceğine inandıkları yerleri izole edebilirler. Bunu, sıcak bir günde uzaktaki görüntülerin bulanık ve ışıltılı olmasına neden olan serap etkisi gibi düşünün; yalnızca çok daha uzakta.

Janis Fluri, "Önceden zayıf mercekleme kütle haritaları ilgili özelliklerin manuel olarak seçilmesiyle çalışılırdı" diye açıkladı. "Bu çok karmaşık bir görev ve seçilen özelliklerin ilgili tüm bilgileri içerdiğinin garantisi yok. Bu sorunu A.I. ile çözüyoruz. yaklaşmak. Çalışmamızda kullanılan evrişimli sinir ağları, örüntü tanıma konusunda mükemmeldir."

Evrişimli sinir ağı, görüntü sınıflandırma görevleri için sıklıkla kullanılan, beyinden ilham alan bir tür yapay zekadır. Nöronları hala geleneksel sinir ağlarının öğrenilebilir ağırlıklarına ve önyargılarına (yani, ona izin veren şeylere) sahipken Learn), girdi olarak görüntülerle uğraştığı yönündeki açık varsayımı, yaratıcılarının veri kümesindeki parametre sayısını azaltmasına olanak tanır. ağ. Bu onu daha verimli hale getirir.

"Kabaca konuşursak, [ağları bizim sağlamamızla çalışır] büyük miktarda veriyle, haritalardan ilgili bilgileri çıkarmak için otomatik olarak bir dizi karmaşık filtre oluştururlar." Dr. Tomasz KacprzakProjenin diğer ortak yazarlarından biri Digital Trends'e şunları söyledi: "Daha sonra mümkün olduğunca kesin bir yanıt vermek için bu filtreleri en iyi şekilde birleştirmeye çalışır."

Kozmolojik parametrelerin çıkarılması

Araştırmacılar sinir ağlarını, evreni simüle eden bilgisayar tarafından üretilen verilerle besleyerek eğittiler. Bu, gece gökyüzünün gerçek görüntülerinden “kozmolojik parametreleri” çıkarabilmek için karanlık madde haritalarını tekrar tekrar analiz etmesine olanak sağladı. Sonuçlar, insan yapımı istatistiksel analize dayalı olarak geleneksel yöntemlere kıyasla %30 oranında iyileşme gösterdi.

“Yapay zeka. Algoritmanın eğitim aşamasında öğrenilmesi için çok fazla veriye ihtiyacı var” diye devam etti Fluri. "Bizim durum simülasyonlarımızda bu eğitim verilerinin mümkün olduğunca doğru olması çok önemli. Aksi takdirde gerçek verilerde bulunmayan özellikleri öğrenecektir. Bunu yapmak için çok sayıda büyük ve doğru simülasyon oluşturmamız gerekiyordu ki bu da oldukça zorluydu. Daha sonra, en yüksek performansı elde etmek için algoritmada ince ayar yapmak zorunda kaldık. Bu, performansı optimize etmek için birden fazla ağ mimarisinin test edilmesiyle yapıldı."

Daha sonra gerçek karanlık madde haritalarını analiz etmek için tam eğitimli sinir ağlarını kullandılar. Bunlar sözde geldi KiDS-450 veri kümesiŞili'deki VLT Araştırma Teleskobu (VST) kullanılarak yapılmıştır. Veri seti, dolunayın yaklaşık 2.200 katı büyüklüğünde bir alanı kapsıyor. Yaklaşık 15 milyon galaksinin kayıtlarını içerir.

Bu olağanüstü derecede büyük miktarda veri nedeniyle araştırmacıların yapay zekalarını harekete geçirecek bir süper bilgisayara ihtiyaçları vardı. Sonunda yapay zekalarını çalıştırdılar. Güney İsviçre'de, İtalya sınırındaki bir şehir olan Lugano'daki İsviçre Ulusal Süper Bilgi İşlem Merkezi'ndeki bir bilgisayarda. CSCS'deki süper bilgisayarlar tüm İsviçre üniversiteleri ve araştırma kurumlarının kullanımına açıktır. Makineleri o kadar güçlü ki aşırı ısınmalarını önlemek için Yakındaki Lugano Gölü'nden su Soğutma için saniyede 460 litre hızla pompalanıyor.

Kozmolojik bir yapay zeka.

“Bu yapay zekanın ilk uygulamasıydı. Fluri, "Kendisiyle birlikte gelen tüm pratik yönleri de içeren gerçek kozmolojik veriler için" dedi. "Yöntemimizin nispeten küçük bir veri kümesinde tutarlı sonuçlar ürettiğini gösterebiliriz. Aynı yöntemi daha büyük gözlemlerde kullanmayı, aynı zamanda kozmolojik fiziğin diğer yönlerini araştırmak için daha fazla kozmolojik parametre ölçmeyi umuyoruz. Son olarak evrenin karanlık sektörü hakkında yeni bilgiler öğrenmeyi umuyoruz.”

Fluri'ye göre ekip artık KiDS-450 veri kümesinin ötesine geçti, çünkü "artık daha yeni ve daha iyi veri kümeleri var." Özellikle biri Karanlık Enerji AraştırmasıABD, Brezilya, Birleşik Krallık, Almanya, İspanya ve İsviçre'deki araştırma kurumları ve üniversiteler tarafından yürütülen devasa ölçekli görünür ve yakın kızılötesi bir araştırmadır.

Fluri, "Yeni veri kümelerini analiz edebilmemiz için önce, yöntemi artan veri hacmini kaldırabilecek şekilde uyarlamamız gerekiyor" dedi. "Şu anda bunu başarmak için bazı yöntemler deniyoruz. Bundan sonra analiz etmek istediğimiz bir sonraki veri kümesini tartışacağız. Seçilen veri setine ve simülasyonların gereksinimlerine bağlı olduğundan size henüz bir zaman çizelgesi veremiyorum."

Çalışmayı anlatan bir makale vardı yakın zamanda Physical Review D dergisinde yayınlandı.

Editörlerin Önerileri

• Araştırmacılar karanlık madde hakkında bilgi edinmek için yerçekimi dalgalarını kullanmak istiyor
• Öklid karanlık madde teleskopunun bu cumartesi fırlatılışı nasıl izlenir?
• Son dokunuş: Bilim insanları robotlara insan benzeri dokunma duyularını nasıl veriyor?
• Hubble, karanlık maddeyi anlamamıza yardımcı olabilecek dev galaksi kümesini yakaladı
• Süper kütleli kara delikler karanlık maddeden oluşabilir mi?