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

Científicos del Departamento de Física y del Departamento de Informática de la ETH Zurich utilizan 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 similares a los utilizados por Facebook y otras empresas de redes sociales para el reconocimiento facial. Estos algoritmos ayudan a analizar datos cosmológicos. La nueva investigación y los resultados fueron publicados en la revista científica. Physical Review D. 

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

“Facebook usa sus algoritmos para encontrar ojos, bocas u oídos en las imágenes; usamos el nuestro para buscar signos reveladores de materia oscura y energía oscura”, explicó. 

La materia oscura no se puede ver directamente con imágenes de telescopio, pero desvía el camino de los rayos de luz que llegan a la Tierra desde otras galaxias. Esto se llama lente gravitacional débil y distorsiona las imágenes de esas galaxias. 

La distorsión que se produce es luego utilizada por los científicos. Construyen mapas basados ​​en la masa del cielo y muestran dónde está la materia oscura. Luego, los científicos toman predicciones teóricas de la ubicación de la materia oscura y las comparan con los mapas construidos, y buscan los que más coinciden con los datos.

El método descrito con mapas se realiza tradicionalmente mediante el uso de estadísticas diseñadas por humanos, que ayudan a explicar cómo las partes de los mapas se relacionan entre sí. El problema que surge con este método es que no es adecuado 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 apropiado, 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, estudiante de doctorado del grupo de Refregier y autora principal del estudio, trabajaron juntos utilizando algoritmos de aprendizaje automático. Los utilizaron para establecer 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 le dio a la red neuronal datos generados por computadora que simulaban el universo. La red neuronal eventualmente aprendió por sí misma qué características buscar y extraer grandes cantidades de información.

Estas redes neuronales superaron el análisis hecho por humanos. En total, fueron un 30 % más precisos que los métodos tradicionales basados ​​en análisis estadísticos hechos por humanos. Si los cosmólogos quisieran lograr la misma tasa de precisión sin usar estos algoritmos, tendrían que dedicar al menos el doble de tiempo de observación. 

Una vez establecidos 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 de este tipo en este contexto, y descubrimos que la red neuronal artificial profunda nos permite extraer más información de los datos que los enfoques anteriores. Creemos que este uso del aprendizaje automático en cosmología tendrá muchas aplicaciones futuras”, dijo Fluri. 

Los científicos ahora quieren usar este método en conjuntos de imágenes más grandes como el Encuesta de energía oscura, y las redes neuronales comenzarán a adquirir nueva información sobre la materia oscura.