Як розпізнавання облич допомагає астрономам розкривати таємниці темної матерії

Могла та сама технологія, до якої звикли розблокувати смартфони людей також допоможе розкрити таємниці всесвіту? Це може здатися малоймовірним, але це саме те, над чим працюють дослідники зі швейцарського науково-технічного університету ETH Zurich.

Використання різновиду типу нейронної мережі штучного інтелекту, що лежить в основі сучасного розпізнавання обличчя технології, вони розробили новий ШІ. інструментів, які могли б змінити правила гри у відкритті т.зв “темна матерія.” Фізики вважають, що розуміння цієї таємничої речовини необхідно для пояснення фундаментальних питань про основну структуру Всесвіту.

«Алгоритм, який ми [застосовуємо], дуже близький до того, який зазвичай використовується для розпізнавання обличчя», Яніс Флурі, доктор філософії Студент, який працює в лабораторії ETH Zurich, зосереджений на застосуванні нейронних мереж до космологічних проблем, розповів Digital Trends. «Краса А.І. полягає в тому, що він може навчатися практично з будь-яких даних. Під час розпізнавання обличчя він вчиться розпізнавати очі, рот і ніс, тоді як ми шукаємо структури, які дають нам підказки про темну матерію. Це розпізнавання образів, по суті, є ядром алгоритму. Зрештою, ми адаптували його лише для того, щоб визначити базові космологічні параметри».

Темна матерія має значення

Але що саме шукають дослідники? Зараз це не зовсім відомо. Але, як пам’ятно сказав про непристойність суддя Верховного суду Сполучених Штатів Поттер Стюарт: «Я знаю це, коли бачу це». Точніше, не будемо — бо його не видно. Але вчені дізнаються про це, коли знайдуть. Ласкаво просимо до дивного світу темної матерії.

Гіпотеза про існування темної матерії в тій чи іншій формі висувається вже більше століття. Вважається, що на нього припадає близько 27% Всесвіту, переважаючи видиму матерію у співвідношенні приблизно шість до одного. Усе у Всесвіті, що ми можемо виявити — уся атомна матерія, з якої складаються галактики, зірки, планети, життя на Землі пристрій, на якому ви читаєте цю статтю, — це лише крихітна, крихітна частка всієї матерії, яка існує. Переважну частину цього неможливо відстежити безпосередньо. Він невидимий і здатний проходити прямо крізь звичайну видиму матерію.

Натомість його існування залежить від наших спостережень за тим, як працює Всесвіт; як сусід по дому, якого ви ніколи не бачите, але впевнені, що він існує, тому що його половина рахунків оплачується, а хтось час від часу користується душем, коли ви цього хочете. Тільки в цьому випадку це тому, що вчені визначили, що швидкість, з якою обертаються галактики, дорівнює досить швидко, щоб вони не могли утримуватися разом лише завдяки гравітації, створеній спостережуваним справа. Тому вважається, що темна матерія є секретними інгредієнтами, які надають цим галактикам додаткову масу, яка їм потрібна, щоб не розриватися на частини, як самогубний паперовий пакет. Це те, що спонукає звичайну матерію у формі пилу та газу збиратися та складатися в зірки та галактики.

Слабке гравітаційне лінзування на допомогу

Шукати щось, на що не можна дивитися, звучить важко. Це є. Але є спосіб, за допомогою якого вчені можуть точно визначити, де, на їхню думку, найімовірніше знаходиться темна матерія. Вони роблять це, дивлячись на тонкі шляхи, які випромінюють світло, яке гравітація великих скупчень галактик згинає та спотворює світло від більш віддалених галактик. Це називається слабким гравітаційним лінзуванням.

Спостереження за областями навколо масивних скупчень галактик дозволяє астрономам ідентифікувати фонові галактики, які виглядають деформованими. Шляхом зворотного проектування ці викривлення вони можуть потім виділити там, де, на їх думку, можна знайти найщільніші концентрації матерії, як видимої, так і невидимої. Подумайте про це як про ефект міражу, через який віддалені зображення стають розмитими та мерехтливими в спекотний день — тільки набагато далі.

«Раніше можна було вивчати карти слабкої лінзової маси, вибираючи вручну відповідні характеристики», — пояснив Яніс Флурі. «Це дуже складне завдання, і немає жодних гарантій, що вибрані функції містять всю необхідну інформацію. Ми вирішуємо цю проблему за допомогою A.I. підхід. Згорткові нейронні мережі, які використовуються в нашій роботі, чудово справляються з розпізнаванням образів».

Згорточна нейронна мережа — це тип штучного інтелекту, створеного за допомогою мозку, який часто використовується для завдань класифікації зображень. Хоча його нейрони все ще мають вагомість і зміщення, які можна навчити, як звичайні нейронні мережі (тобто речі, які дозволяють йому навчитися), його явне припущення, що він має справу з зображеннями як вхідними даними, дозволяє його творцям зменшити кількість параметрів у мережі. Це робить його більш ефективним.

«Грубо кажучи, [це працює так, що ми надаємо мережам] велику кількість даних, вони автоматично створюють набір складних фільтрів, щоб отримати релевантну інформацію з карт», д-р Томаш Качпржак, один із інших співавторів проекту, розповів Digital Trends. «Потім він намагається оптимально поєднати ці фільтри, щоб дати якомога точнішу відповідь».

Вилучення космологічних параметрів

Дослідники навчили свою нейронну мережу, передавши їй комп’ютерні дані, які імітують Всесвіт. Це дозволило йому неодноразово аналізувати карти темної матерії, щоб мати можливість витягувати «космологічні параметри» з реальних зображень нічного неба. Результати показали покращення на 30% порівняно з традиційними методами, заснованими на статистичному аналізі, зробленому людиною.

«А.І. «Алгоритм потребує багато даних для навчання на етапі навчання», — продовжив Флурі. «Дуже важливо, щоб ці навчальні дані, у нашому випадку моделювання, були максимально точними. Інакше він вивчатиме функції, яких немає в реальних даних. Для цього нам довелося створити багато великих і точних симуляцій, що було дуже складно. Після цього нам довелося налаштувати алгоритм, щоб досягти максимальної продуктивності. Це було зроблено шляхом тестування кількох мережевих архітектур для оптимізації продуктивності».

Потім вони використали свою повністю навчену нейронну мережу для аналізу реальних карт темної матерії. Ці походили з т. зв Набір даних KiDS-450, зроблений за допомогою оглядового телескопа VLT (VST) у Чилі. Набір даних охоплює загальну площу, яка приблизно в 2200 разів перевищує розмір повного місяця. Він містить записи про близько 15 мільйонів галактик.

Через цю надзвичайно велику кількість даних дослідникам потрібен був суперкомп’ютер, щоб запустити свій штучний інтелект. Зрештою, вони запустили свій ШІ. на комп’ютері в Швейцарському національному суперкомп’ютерному центрі в Лугано, місті на півдні Швейцарії, що межує з Італією. Суперкомп’ютери в CSCS доступні для всіх швейцарських університетів і дослідницьких установ. Його машини настільки потужні, що, щоб зупинити їх перегрів, вода з сусіднього озера Лугано закачується для охолодження зі швидкістю 460 літрів на секунду.

Космологічний А.І.

«Це було перше застосування А.І. для реальних космологічних даних, включаючи всі практичні аспекти, які з ними пов’язані», — сказав Флурі. «Ми могли б показати, що наш метод дає послідовні результати на відносно невеликому наборі даних. Ми сподіваємося використовувати той самий метод для більших спостережень, а також виміряти більше космологічних параметрів для дослідження інших аспектів космологічної фізики. Нарешті, ми сподіваємося дізнатися нові ідеї про темний сектор Всесвіту».

За словами Флурі, команда тепер вийшла за рамки набору даних KiDS-450, «оскільки зараз є нові та кращі набори даних». Зокрема, це Дослідження темної енергії, масштабне дослідження у видимому та ближньому інфрачервоному діапазонах, проведене дослідницькими установами та університетами США, Бразилії, Великобританії, Німеччини, Іспанії та Швейцарії.

«Однак перш ніж ми зможемо аналізувати нові набори даних, нам потрібно адаптувати наш метод таким чином, щоб він міг обробляти збільшений обсяг даних», — сказав Флурі. «Зараз ми експериментуємо з деякими методами досягнення цього. Після цього ми обговоримо наступний набір даних, який ми хочемо проаналізувати. Я поки що не можу дати вам часові рамки, оскільки це залежить від вибраного набору даних і вимог до моделювання».

Папір з описом роботи був нещодавно опублікований у журналі Physical Review D.

Рекомендації редакції

• Дослідники хочуть використовувати гравітаційні хвилі, щоб дізнатися про темну матерію
• Як спостерігати за запуском телескопа темної матерії Евкліда цієї суботи
• Останній штрих: як вчені надають роботам людські тактильні відчуття
• Хаббл знімає гігантське скупчення галактик, яке може допомогти нам зрозуміти темну матерію
• Чи можуть надмасивні чорні діри утворитися з темної матерії?