Modèles et plateformes d’IA
Les scientifiques utilisent l’intelligence artificielle pour estimer la matière noire dans l’univers
Ajouter Unite.AI à vos sources préférées sur Google
Les scientifiques du département de physique et du département d’informatique de l’ETH Zurich utilisent l’intelligence artificielle pour en apprendre davantage sur notre univers. Ils contribuent aux méthodes utilisées pour estimer la quantité de matière noire présente. Le groupe de scientifiques a développé des algorithmes d’apprentissage automatique similaires à ceux utilisés par Facebook (META ) et d’autres entreprises de médias sociaux pour la reconnaissance faciale. Ces algorithmes aident à analyser les données cosmologiques. Les nouvelles recherches et les résultats ont été publiés dans la revue scientifique Physical Review D.
Tomasz Kacprzak, un chercheur de l’Institut de physique des particules et d’astrophysique, a expliqué le lien entre la reconnaissance faciale et l’estimation de la matière noire dans l’univers.
“Facebook utilise ses algorithmes pour trouver les yeux, les bouches ou les oreilles dans les images ; nous utilisons les nôtres pour rechercher les signes caractéristiques de la matière noire et de l’énergie noire”, a-t-il expliqué.
La matière noire ne peut pas être vue directement par les images de télescope, mais elle courbe le chemin des rayons lumineux qui viennent de autres galaxies. C’est ce qu’on appelle le lensing gravitationnel faible, et cela déforme les images de ces galaxies.
La déformation qui se produit est ensuite utilisée par les scientifiques. Ils construisent des cartes basées sur la masse du ciel, et ils montrent où se trouve la matière noire. Les scientifiques prennent ensuite des prédictions théoriques de l’emplacement de la matière noire et les comparent aux cartes construites, et ils recherchent celles qui correspondent le plus aux données.
La méthode décrite avec les cartes est traditionnellement effectuée en utilisant des statistiques conçues par l’homme, qui aident à expliquer comment les parties des cartes se rapportent les unes aux autres. Le problème qui se pose avec cette méthode est qu’elle n’est pas bien adaptée pour détecter les modèles complexes présents dans de telles cartes.
“Dans notre travail récent, nous avons utilisé une méthodologie complètement nouvelle… Au lieu d’inventer nous-mêmes l’analyse statistique appropriée, nous laissons les ordinateurs faire le travail”, a déclaré Alexandre Refregier.
Aurelien Lucchi et son équipe du Data Analytics Lab du département d’informatique, ainsi que Janis Fluri, un étudiant en doctorat du groupe de Refregier et auteur principal de l’étude, ont travaillé ensemble en utilisant des algorithmes d’apprentissage automatique. Ils les ont utilisés pour établir des réseaux neuronaux artificiels profonds capables d’apprendre à extraire le plus d’informations possible des cartes de matière noire.
Le groupe de scientifiques a d’abord fourni au réseau neuronal des données générées par ordinateur qui simulaient l’univers. Le réseau neuronal a finalement appris lui-même quels caractéristiques rechercher et à extraire de grandes quantités d’informations.
Ces réseaux neuronaux ont surpassé l’analyse faite par l’homme. Au total, ils étaient 30 % plus précis que les méthodes traditionnelles basées sur l’analyse statistique faite par l’homme. Si les cosmologues voulaient atteindre le même taux de précision sans utiliser ces algorithmes, ils devraient consacrer au moins deux fois plus de temps d’observation.
Après que ces méthodes aient été établies, les scientifiques les ont ensuite utilisées pour créer des cartes de matière noire basées sur le jeu de données KiDS-450.
“C’est la première fois que des outils d’apprentissage automatique sont utilisés dans ce contexte, et nous avons constaté que le réseau neuronal artificiel profond nous permet d’extraire plus d’informations à partir des données que les approches précédentes. Nous croyons que cette utilisation de l’apprentissage automatique en cosmologie aura de nombreuses applications futures”, a déclaré Fluri.
Les scientifiques veulent maintenant utiliser cette méthode sur des ensembles d’images plus importants tels que l’Enquête sur l’énergie noire, et les réseaux neuronaux vont commencer à prendre de nouvelles informations sur la matière noire.
