نماذج ومنصات الذكاء الاصطناعي
علماء يستخدمون الذكاء الاصطناعي لتقييم المادة المظلمة في الكون
أضف Unite.AI إلى مصادرك المفضلة على Google
علماء من قسم الفيزياء وقسم علوم الحاسوب في ETH Zurich يستخدمون الذكاء الاصطناعي لتعلم المزيد عن الكون. هم يساهمون في الطرق المستخدمة لتقدير كمية المادة المظلمة الموجودة. طوّر فريق من العلماء خوارزميات تعلم الآلة مشابهة لتلك المستخدمة من قبل فيسبوك وشركات وسائل الإعلام الاجتماعية الأخرى للتعرف على الوجوه. تساعد هذه الخوارزميات على تحليل البيانات الكونية.
(META )أوضح توماس كاكبرزاك، باحث في معهد فيزياء الجسيمات والفيزياء الفلكية، العلاقة بين التعرف على الوجوه وتقدير المادة المظلمة في الكون.
“يستخدم فيسبوك خوارزمياته للعثور على العيون والأنوف والأذنين في الصور؛ نحن نستخدم خوارزمياتنا للبحث عن العلامات المميزة للمادة المظلمة والطاقة المظلمة”، كما أوضح.
لا يمكن رؤية المادة المظلمة مباشرة من خلال صور التلسكوب، ولكنها تنحرف مسار أشعة الضوء التي تأتي إلى الأرض من المجرات الأخرى. هذا ما يسمى الانحناء الجذبي الضعيف، ويؤدي إلى تشويه صور تلك المجرات.
يستخدم العلماء الانحناء الذي يحدث لإنشاء خرائط dựa على كتلة السماء، وتبين حيث تقع المادة المظلمة. ثم يقوم العلماء بمقارنة التنبؤات النظرية لموقع المادة المظلمة مع الخرائط المبنية، ويتطلعون إلى تلك التي تتوافق أكثر مع البيانات.
الطريقة الموصوفة باستخدام الخرائط تُنجز تقليديًا باستخدام الإحصاءات المصممة من قبل البشر، والتي تساعد في تفسير كيفية関係 بين أجزاء الخرائط. المشكلة التي تظهر مع هذه الطريقة هي أنها لا تصلح جيدًا لاكتشاف الأنماط المعقدة الموجودة في مثل هذه الخرائط.
“في عملنا الأخير، استخدمنا منهجية جديدة تمامًا… بدلاً من اختراع التحليل الإحصائي المناسب بأنفسنا، سمحنا لأجهزة الكمبيوتر بفعل ذلك”، قال ألكسندر ريفريجير.
عمل أوريليان لوكشي وفريقه من مختبر تحليل البيانات في قسم علوم الحاسوب، جنبًا إلى جنب مع جانيز فلوري، طالب دكتوراه من مجموعة ريفريجير والكاتب الرئيسي للدراسة، معًا باستخدام خوارزميات تعلم الآلة. لقد استخدموها لتأسيس شبكات عصبية اصطناعية عميقة قادرة على تعلم استخراج أكبر قدر من المعلومات من خرائط المادة المظلمة.
أعطى الفريق الشبكة العصبية في البداية بيانات محوسبة تمثل الكون. في النهاية، علّمت الشبكة نفسها على العثور على الميزات والاستخراج الكبير للبيانات.
هذه الشبكات العصبية تفوقت على التحليل الذي قام به البشر. كانت دقتها الإجمالية أفضل بنسبة 30٪ من الطرق التقليدية التي تعتمد على التحليل الإحصائي الذي قام به البشر. إذا أراد علماء الكونيات تحقيق نفس معدل الدقة بدون استخدام هذه الخوارزميات، لكانوا بحاجة إلى تكريس ضعف الوقت في الملاحظة.
بعد تأسيس هذه الطرق، استخدم العلماء هذه الطرق لإنشاء خرائط للمادة المظلمة dựa على مجموعة بيانات KiDS-450.
“هذه هي المرة الأولى التي يتم استخدام أدوات تعلم الآلة في هذا السياق، ووجدنا أن الشبكة العصبية الاصطناعية العميقة تمكنا من استخراج المزيد من المعلومات من البيانات أكثر من النهج السابق. نعتقد أن استخدام تعلم الآلة في علم الكون سيكون له تطبيقات未来 كثيرة”، قال فلوري.
الآن يريد العلماء استخدام هذه الطريقة على مجموعات صور أكبر مثل مسح الطاقة المظلمة، وستبدأ الشبكات العصبية على استيعاب معلومات جديدة حول المادة المظلمة.
