Científicos utilizan inteligencia artificial para estimar la materia oscura en el universo

Los científicos del Departamento de Física y el Departamento de Ciencias de la Computación de la ETH Zurich están utilizando la inteligencia artificial para aprender más sobre nuestro universo. Están contribuyendo a los métodos utilizados para estimar la cantidad de materia oscura presente. El grupo de científicos desarrolló algoritmos de aprendizaje automático que son similares a los utilizados por Facebook (META ) y otras empresas de medios sociales para el reconocimiento facial. Estos algoritmos ayudan a analizar los datos cosmológicos. Los nuevos resultados y hallazgos se publicaron en la revista científica Physical Review D.

Tomasz Kacprzak, un investigador del Instituto de Física de Partículas y Astrofísica, explicó la relación entre el reconocimiento facial y la estimación de la materia oscura en el universo.

“Facebook utiliza sus algoritmos para encontrar ojos, bocas o orejas en imágenes; nosotros utilizamos los nuestros para buscar las señales de la materia oscura y la energía oscura”, explicó.

La materia oscura no puede ser vista directamente por las imágenes de los telescopios, pero sí curva el camino de los rayos de luz que llegan a la Tierra desde otras galaxias. Esto se llama lente gravitatoria débil, y distorsiona las imágenes de esas galaxias.

La distorsión que se produce se utiliza luego por los científicos. Construyen mapas basados en la masa del cielo, y muestran dónde se encuentra la materia oscura. Los científicos luego toman las predicciones teóricas de la ubicación de la materia oscura y las comparan con los mapas construidos, y buscan las que más se ajustan a los datos.

El método descrito con mapas se hace tradicionalmente utilizando estadísticas diseñadas por humanos, que ayudan a explicar cómo se relacionan entre sí las partes de los mapas. El problema que surge con este método es que no está bien adaptado para detectar los patrones complejos que están presentes en dichos mapas.

“En nuestro trabajo reciente, hemos utilizado una metodología completamente nueva… En lugar de inventar nosotros mismos el análisis estadístico adecuado, dejamos que las computadoras hagan el trabajo”, dijo Alexandre Refregier.

Aurelien Lucchi y su equipo del Laboratorio de Análisis de Datos del Departamento de Ciencias de la Computación, junto con Janis Fluri, un estudiante de doctorado del grupo de Refregier y autor principal del estudio, trabajaron juntos utilizando algoritmos de aprendizaje automático. Utilizaron redes neuronales artificiales profundas que pueden aprender a extraer la mayor cantidad de información posible de los mapas de materia oscura.

El grupo de científicos primero dio a la red neuronal datos generados por computadora que simulaban el universo. La red neuronal eventualmente se enseñó a sí misma qué características buscar y a extraer grandes cantidades de información.

Estas redes neuronales superaron el análisis realizado por humanos. En total, fueron un 30% más precisas que los métodos tradicionales basados en el análisis estadístico realizado por humanos. Si los cosmólogos quisieran alcanzar la misma tasa de precisión sin utilizar estos algoritmos, tendrían que dedicar al menos el doble de tiempo de observación.

Después de que se establecieron estos métodos, los científicos los utilizaron para crear mapas de materia oscura basados en el conjunto de datos KiDS-450.

“Esta es la primera vez que se utilizan herramientas de aprendizaje automático en este contexto, y encontramos que la red neuronal artificial profunda nos permite extraer más información de los datos que los enfoques anteriores. Creemos que este uso de la inteligencia artificial en cosmología tendrá muchas aplicaciones futuras”, dijo Fluri.

Los científicos ahora quieren utilizar este método en conjuntos de imágenes más grandes, como la Encuesta de Energía Oscura, y las redes neuronales comenzarán a obtener nueva información sobre la materia oscura.