Tutkijat käyttävät tekoälyä arvioimaan universumin pimeää ainesta

Sveitsin ETH-zurichin yliopiston fysiikan ja tietojenkäsittelytieteen laitoksen tutkijat käyttävät tekoälyä oppiakseen enemmän universumista. He osallistuvat menetelmiin, joita käytetään arvioimaan pimeän aineen määrää. Tutkijaryhmä kehitti koneoppimisalgoritmeja, jotka ovat samankaltaisia kuin Facebookin ja muiden sosiaalisen median yritysten kasvojentunnistusalgoritmit. Nämä algoritmit auttavat analysoimaan kosmologisia tietoja. Uudet tutkimustulokset ja tulokset julkaistiin tieteellisessä julkaisussa Physical Review D.

Tomasz Kacprzak, tutkija Hiukkasfysiikan ja astrofysiikan instituutista, selitti kasvojentunnistuksen ja pimeän aineen arvioinnin yhteyttä universumissa.

“Facebook (META ) käyttää algoritmejaan etsimään silmiä, suuta tai korvia kuvista; me käytämme omiamme etsimään pimeän aineen ja pimeän energian merkkejä”, hän selitti.

Pimeää ainetta ei voida nähdä suoraan teleskoopin kuvissa, mutta se taipuu valon säteiden polkua, jotka tulevat maapallolle muualta galakseista. Tätä kutsutaan heikoksi gravitaatiolinsiksi, ja se vääristää näiden galaksien kuvia.

Tutkijat käyttävät tämän vääristymisen aiheuttamaa vääristymää. He rakentavat massakarttoja taivaalle, ja ne osoittavat, missä pimeä aine on. Tutkijat ottavat teoreettiset ennusteet pimeän aineen sijainnista ja vertaavat niitä rakentamiinsa kartoissa, ja etsivät niitä, jotka vastaavat parhaiten dataa.

Karttojen kanssa käytettävä menetelmä tehdään perinteisesti käyttämällä ihmisten suunnittelemia tilastollisia menetelmiä, jotka auttavat selittämään, miten karttojen osat liittyvät toisiinsa. Tässä menetelmässä ilmenee ongelma, jonka mukaan se ei sovellu hyvin monimutkaisten kuvioiden havaitsemiseen, jotka ovat läsnä tällaisissa kartoissa.

“Viimeisimmässä työssämme olemme käyttäneet täysin uutta metodologiaa… Sen sijaan, että keksimme itse tilastollisen analyysin, annamme tietokoneiden tehdä työn”, Alexandre Refregier sanoi.

Aurelien Lucchi ja hänen tiiminsä Data Analytics Labista tietojenkäsittelytieteen laitoksesta, yhdessä Janis Flurin, joka on Refregierin ryhmän väitöskirjatutkija ja tutkimuksen ensisijainen tekijä, työskentelivät yhdessä käyttämällä koneoppimisalgoritmeja. He käyttivät niitä luomaan syviä tekoälyverkkoja, jotka pystyvät oppimaan kaiken mahdollisen tiedon pimeän aineen kartoista.

Tutkijaryhmä antoi ensin tekoälyverkolle tietokoneella luotuja tietoja, jotka simuloivat universumia. Tekoälyverkko opiskeli lopulta itselleen, mitkä piirteet etsiä ja miten ne voivat ottaa suuren määrän tietoa.

Nämä tekoälyverkot ylittivät ihmisten tekemän analyysin. Kokonaisuudessaan ne olivat 30 % tarkin kuin perinteiset menetelmät, jotka perustuvat ihmisten tekemään tilastolliseen analyysiin. Jos kosmologit haluaisivat saavuttaa saman tarkin luokan ilman näitä algoritmeja, heidän pitäisi omistaa vähintään kaksi kertaa enemmän havaintoaikaa.

Kun nämä menetelmät olivat vakiintuneet, tutkijat käyttivät niitä luomaan pimeän aineen karttoja KiDS-450-aineistosta.

“Tämä on ensimmäinen kerta, kun tällaisia tekoälytyökaluja on käytetty tässä asiayhteydessä, ja olemme löytäneet, että syvä tekoälyverkko mahdollistaa meidän ottaa enemmän tietoa tiedoista kuin aiemmat lähestymistavat. Uskomme, että tämä tekoälyn käyttö kosmologiassa tulee olemaan monia tulevia sovelluksia”, Fluri sanoi.

Tutkijat haluavat nyt käyttää tätä menetelmää suuremmilla kuvakokoelmilla, kuten Dark Energy Survey, ja tekoälyverkot tulevat ottamaan uuden tiedon pimeästä aineesta.