Vědci používají umělou inteligenci k odhadu temné hmoty ve vesmíru

Vědci z Katedry fyziky a Katedry počítačových věd na ETH Zurich používají umělou inteligenci, aby se více dozvěděli o naší vesmíru. Přispívají k metodám, které se používají k odhadu množství temné hmoty. Skupina vědců vyvinula algoritmy strojového učení, které jsou podobné těm, které používají společnosti jako Facebook (META ) a další sociální sítě pro rozpoznávání obličejů. Tyto algoritmy pomáhají analyzovat kosmologická data. Nová výzkumná zjištění a výsledky byly zveřejněny v odborném časopise Physical Review D.

Tomasz Kacprzak, výzkumník z Institutu částicové fyziky a astrofyziky, vysvětlil souvislost mezi rozpoznáváním obličejů a odhadem temné hmoty ve vesmíru.

“Facebook používá své algoritmy k nalezení očí, úst nebo uší na obrázcích; my používáme své k nalezení charakteristických znaků temné hmoty a temné energie,” vysvětlil.

Temná hmota nemůže být přímo pozorována pomocí teleskopických obrazů, ale ohýbá cestu světelných paprsků, které přicházejí na Zemi z jiných galaxií. To se nazývá slabé gravitační čočkování a deformuje obrazy těchto galaxií.

Deformace, která nastává, je poté použita vědci. Vytvořili mapy na základě hmotnosti oblohy a ukazují, kde se nachází temná hmota. Vědci poté porovnávají teoretické předpovědi polohy temné hmoty s vytvořenými mapami a hledají ty, které nejlépe odpovídají datům.

Popisovaná metoda s mapami se tradičně provádí pomocí statistických analýz navržených lidmi, které pomáhají vysvětlit, jak se části map vztahují k sobě navzájem. Problém, který vzniká s touto metodou, je, že není dobře přizpůsobena pro detekci složitých vzorců, které jsou přítomny v takových mapách.

“V naší recentní práci jsme použili zcela novou metodologii… Místo toho, abychom vynalezli příslušnou statistickou analýzu sami, necháme počítače udělat práci,” řekl Alexandre Refregier.

Aurelien Lucchi a jeho tým z Laboratoře datové analýzy na Katedře počítačových věd, spolu s Janisem Flurim, doktorandem z Refregierovy skupiny a vedoucím autorem studie, pracovali společně pomocí algoritmů strojového učení. Použili je k vytvoření hlubokých umělých neuronových sítí, které jsou schopny naučit se extrahovat co nejvíce informací z map temné hmoty.

Skupina vědců nejprve poskytla neuronové síti počítačově generovaná data, která simulovala vesmír. Neuronová síť se nakonec naučila, které funkce hledat a extrahovat velké množství informací.

Tyto neuronové sítě překonaly analýzu vytvořenou lidmi. Celkově byly o 30 % přesnější než tradiční metody založené na lidské statistické analýze. Pokud by kosmologové chtěli dosáhnout stejné míry přesnosti bez použití těchto algoritmů, museli by věnovat alespoň dvojnásobek pozorovacího času.

Po zavedení těchto metod vědci poté použili tyto metody k vytvoření map temné hmoty na základě datového souboru KiDS-450.

“Toto je poprvé, kdy byly takové nástroje strojového učení použity v tomto kontextu, a zjistili jsme, že hluboká umělá neuronová síť umožňuje extrahovat více informací z dat než předchozí přístupy. Věříme, že toto použití strojového učení v kosmologii bude mít mnoho budoucích aplikací,” řekl Fluri.

Vědci nyní chtějí použít tuto metodu na větší sady obrazů, jako je Dark Energy Survey, a neuronové sítě budou začínat získávat nové informace o temné hmotě.