वैज्ञानिक कृत्रिम बुद्धिमत्ता का उपयोग ब्रह्मांड में डार्क मैटर का अनुमान लगाने के लिए करते हैं

ज़्यूरिख़ में इथ़ ज़्यूरिख़ के भौतिकी विभाग और कंप्यूटर विज्ञान विभाग के वैज्ञानिक हमारे ब्रह्मांड के बारे में अधिक जानने के लिए कृत्रिम बुद्धिमत्ता का उपयोग कर रहे हैं। वे डार्क मैटर की मात्रा का अनुमान लगाने के लिए उपयोग की जाने वाली विधियों में योगदान कर रहे हैं। वैज्ञानिकों के समूह ने मशीन लर्निंग एल्गोरिदम विकसित किए हैं जो फेसबुक और अन्य सोशल मीडिया कंपनियों द्वारा चेहरे की पहचान के लिए उपयोग किए जाने वाले एल्गोरिदम के समान हैं। ये एल्गोरिदम ब्रह्मांड विज्ञान डेटा का विश्लेषण करने में मदद करते हैं। नए शोध और परिणाम वैज्ञानिक पत्रिका फिजिकल रिव्यू डी में प्रकाशित किए गए हैं।

टोमास्ज़ कैकप्रज़क, पार्टिकल फिजिक्स और एस्ट्रोफिजिक्स संस्थान के एक शोधकर्ता ने, ब्रह्मांड में डार्क मैटर का अनुमान लगाने और चेहरे की पहचान के बीच संबंध की व्याख्या की।

“फेसबुक अपने एल्गोरिदम का उपयोग चित्रों में आंखों, मुंह या कानों को खोजने के लिए करता है; हम अपने एल्गोरिदम का उपयोग डार्क मैटर और डार्क एनर्जी के संकेतक चिह्नों को खोजने के लिए करते हैं,” उन्होंने समझाया।

डार्क मैटर को सीधे तारों की छवियों द्वारा देखा नहीं जा सकता है, लेकिन यह पृथ्वी से आने वाले अन्य गैलेक्सियों से प्रकाश किरणों के मार्ग को मोड़ देता है। इसे कमजोर गुरुत्वाकर्षण लेंसिंग कहा जाता है, और यह गैलेक्सियों की छवियों को विकृत कर देता है।

विकृति का उपयोग तब वैज्ञानिकों द्वारा किया जाता है। वे आकाश के द्रव्यमान के आधार पर मानचित्र बनाते हैं, और वे बताते हैं कि डार्क मैटर कहां है। वैज्ञानिक तब डार्क मैटर के स्थान के सैद्धांतिक पूर्वानुमान लेते हैं और उन्हें बनाए गए मानचित्रों की तुलना करते हैं, और वे उन लोगों की तलाश करते हैं जो डेटा से सबसे अधिक मेल खाते हैं।

मानचित्रों के साथ वर्णित विधि आमतौर पर मानव-डिज़ाइन की सांख्यिकी का उपयोग करके की जाती है, जो मानचित्रों के विभिन्न हिस्सों के बीच संबंधों की व्याख्या करने में मदद करती है। इस विधि के साथ उत्पन्न होने वाली समस्या यह है कि यह जटिल पैटर्न का पता लगाने के लिए अच्छी तरह से अनुकूल नहीं है जो ऐसे मानचित्रों में मौजूद होते हैं।

“हमारे हाल के काम में, हमने एक पूरी तरह से नई विधि का उपयोग किया है… हमने सांख्यिकीय विश्लेषण खुद बनाने के बजाय, कंप्यूटर को यह काम करने दिया,” अलेक्जेंड्रे रेफ्रेगियर ने कहा।

ऑरेलियन लुक्ची और उनकी टीम, कंप्यूटर विज्ञान विभाग के डेटा एनालिटिक्स लैब से, जानिस फ्लुरी के समूह से एक पीएचडी छात्र और अध्ययन के प्रमुख लेखक के साथ मिलकर काम किया, जिसमें मशीन लर्निंग एल्गोरिदम का उपयोग किया गया था। उन्होंने गहरे कृत्रिम तंत्रिका नेटवर्क स्थापित करने के लिए उनका उपयोग किया जो डार्क मैटर मानचित्रों से जानकारी निकालने में सक्षम हैं।

वैज्ञानिकों ने पहले तंत्रिका नेटवर्क को कंप्यूटर-जनित डेटा दिया जो ब्रह्मांड की नकल करता है। तंत्रिका नेटवर्क ने अंततः स्वयं सीखा कि किन विशेषताओं को देखना है और डार्क मैटर मानचित्रों से बड़ी मात्रा में जानकारी निकालनी है।

इन तंत्रिका नेटवर्क ने मानव-निर्मित विश्लेषण को पीछे छोड़ दिया। कुल मिलाकर, वे पारंपरिक विधियों की तुलना में 30% अधिक सटीक थे जो मानव-निर्मित सांख्यिकीय विश्लेषण पर आधारित थीं। यदि खगोल भौतिक विज्ञानी बिना इन एल्गोरिदम का उपयोग किए समान सटीकता दर हासिल करना चाहते थे, तो उन्हें कम से कम दोगुनी अवलोकन समय समर्पित करना होगा।

एक बार जब ये तरीके स्थापित हो गए, तो वैज्ञानिकों ने KiDS-450 डेटासेट पर आधारित डार्क मैटर मानचित्र बनाने के लिए उनका उपयोग किया।

“यह पहली बार है जब इस संदर्भ में मशीन लर्निंग टूल का उपयोग किया गया है, और हमने पाया कि गहरा कृत्रिम तंत्रिका नेटवर्क पिछले दृष्टिकोणों की तुलना में डेटा से अधिक जानकारी निकालने में सक्षम है। हमारा मानना है कि ब्रह्मांड विज्ञान में कृत्रिम बुद्धिमत्ता का यह उपयोग भविष्य में कई अनुप्रयोगों का होगा,” फ्लुरी ने कहा।

वैज्ञानिक अब डार्क एनर्जी सर्वे जैसे बड़े इमेज सेट पर इस विधि का उपयोग करना चाहते हैं, और तंत्रिका नेटवर्क डार्क मैटर के बारे में नई जानकारी प्राप्त करना शुरू कर देंगे।