Wetenskaplikes gebruik gewysigde gesigsherkenningstegnieke om donker materie te ontdek

As daar een ding is waarmee die algemene publiek vertroud is met die gebruik van kunsmatige intelligensie, dan is dit gesigsherkenning. Of dit nou hul selfoon oopmaak of die algoritmes wat Facebook gebruik om oë of ander dele van 'n gesig in beelde te vind, gesigsherkenning het 'n standaard geword.

Maar nou begin wetenskaplikes wat met komplekse vrae soos die samestelling van die heelal te doen het 'n gewysigde weergawe van die 'standaard' gesigsherkenning gebruik in 'n poging om te ontdek hoeveel van die donker materie daar in die heelal is en waar dit moontlik geleë is.

As digitale Trends en Futurity let op in hul verslae oor die onderwerp, "fisici glo dat die begrip van hierdie geheimsinnige stof nodig is om fundamentele vrae oor die onderliggende struktuur van die heelal te verduidelik.”

Dit is die navorsers wat in vergader is Alexandre Refregier se groep by die Instituut vir Deeltjiefisika en Astrofisika by ETH Zürich, Switserland, wat diep neurale netwerkmetodes begin gebruik het wat agter gesigsherkenning lê om nuwe, spesiale gereedskap te ontwikkel om te probeer ontdek wat nog vir ons 'n geheim van die heelal is. .

Soos Janis Fluri, een van die navorsers wat aan die projek werk, aan Digital Trends gesê het, "Die algoritme wat ons [gebruik] is baie naby aan wat algemeen gebruik word in gesigsherkenning," en voeg by dat" die skoonheid van KI is dat dit uit basies enige data kan leer. In gesigsherkenning leer dit om oë, monde en neuse te herken, terwyl ons na strukture soek wat ons wenke gee oor donker materie. Hierdie patroonherkenning is in wese die kern van die algoritme. Uiteindelik het ons dit net aangepas om die onderliggende kosmologiese parameters af te lei.”

Soos verduidelik word, veronderstel die wetenskaplikes dat donker materie verantwoordelik is ongeveer 27% van die heelal, wat meer as sigbare materie weeg met 'n verhouding van ongeveer ses tot een. Die teorie gaan ook dat donker materie die sterrestelsels “die ekstra massa gee wat hulle benodig om hulself nie uitmekaar te skeur soos 'n selfmoordsak papier nie. Dit is wat normale materie in die vorm van stof en gas dryf om te versamel en in sterre en sterrestelsels te versamel.”

Wat die navorsers soek, is die gebiede rondom die sterrestelselswerms wat skeef voorkom. Deur omgekeerde ingenieurswese te gebruik "hulle kan dan isoleer waar hulle glo die digste konsentrasies van materie, beide sigbaar en onsigbaar, kan gevind word.”

Fluri en Tomasz Kacprzak, 'n ander navorser in die groep het verduidelik dat hulle hul neurale netwerk opgelei het deur dit rekenaargegenereerde data te voed wat eintlik die heelal simuleer. Hulle herhaalde ontleding van die donker materie-kaarte het hulle die moontlikheid gegee om 'kosmologiese parameters' uit die werklike beelde van die lug te onttrek.

Die resultate wat hulle behaal het deur dit te vergelyk met standaardmetodes wat in hierdie proses gebruik is, het 'n 30% verbetering getoon, gebaseer op mensgemaakte statistiese analise. Soos Fluri verduidelik het, “het die KI-algoritme baie data nodig om in die opleidingsfase te leer. Dit is baie belangrik dat hierdie opleidingsdata, in ons geval simulasies, so akkuraat as moontlik is. Andersins sal dit kenmerke leer wat nie in werklike data teenwoordig is nie.”

Nadat hulle die netwerk opgelei het, het hulle dit gevoer met werklike donker materiekaarte wat verkry is van KiDS-450-datastel, gemaak met behulp van die VLT Survey Telescope (VST) in Chili. Hierdie datastel dek 'n totale oppervlakte van sowat 2,200 15 keer die grootte van die volmaan en bevat rekords van ongeveer XNUMX miljoen sterrestelsels.

Soos Futurity verduidelik, deur die donker materiekaarte herhaaldelik te ontleed, het die neurale netwerk homself geleer om die regte soort kenmerke daarin te soek en meer en meer van die verlangde inligting te onttrek.“In die Facebook-analogie het dit beter geword om ewekansige ovaalvorms van oë te onderskei of monde.”