Ilmuwan Menggunakan Teknik Pengenalan Wajah yang Dimodifikasi untuk Menemukan Materi Gelap

Jika ada satu hal yang umum diketahui oleh masyarakat umum tentang penggunaan kecerdasan buatan, maka itu adalah pengenalan wajah. Apakah itu membuka ponsel mereka atau algoritma yang digunakan Facebook (META ) untuk menemukan mata atau bagian wajah lainnya dalam gambar, pengenalan wajah telah menjadi standar.

Namun, sekarang ilmuwan yang menangani pertanyaan kompleks seperti komposisi alam semesta mulai menggunakan versi modifikasi dari ‘standar’ pengenalan wajah dalam upaya untuk menemukan berapa banyak materi gelap yang ada di alam semesta dan di mana itu mungkin berada.

Seperti yang dicatat oleh Digital Trends dan Futurity dalam laporan mereka tentang subjek ini, “fisikawan percaya bahwa memahami substansi misterius ini diperlukan untuk menjelaskan pertanyaan fundamental tentang struktur dasar alam semesta.”

Peneliti yang berkumpul di kelompok Alexandre Refregier di Institute of Particle Physics and Astrophysics di ETH Zurich, Swiss telah mulai menggunakan metode jaringan saraf dalam yang digunakan dalam pengenalan wajah untuk mengembangkan alat baru, khusus untuk mencoba menemukan apa yang masih merupakan rahasia alam semesta bagi kita.

Seperti yang dijelaskan Janis Fluri, salah satu peneliti yang bekerja pada proyek ini kepada Digital Trends, “Algoritma yang kami gunakan sangat dekat dengan yang umum digunakan dalam pengenalan wajah,” menambahkan bahwa“keindahan A.I. adalah bahwa itu dapat belajar dari hampir semua data. Dalam pengenalan wajah, itu belajar untuk mengenali mata, mulut, dan hidung, sedangkan kami mencari struktur yang memberikan petunjuk tentang materi gelap. Pengenalan pola ini pada dasarnya adalah inti dari algoritma. Akhirnya, kami hanya menyesuaikannya untuk menginfer parameter kosmologis yang mendasarinya.”

Seperti yang dijelaskan, para ilmuwan menghipotesiskan bahwa materi gelap menyumbang sekitar 27% dari alam semesta, mengungguli materi yang terlihat dengan rasio sekitar enam banding satu. Teori ini juga menyatakan bahwa materi gelap memberikan galaksi “massa tambahan yang mereka butuhkan untuk tidak terpisah seperti kantong kertas yang bunuh diri. Ini adalah yang mendorong materi normal dalam bentuk debu dan gas untuk mengumpul dan berkumpul menjadi bintang dan galaksi.”

Apa yang para peneliti cari adalah daerah di sekitar kluster galaksi yang tampak terdistorsi. Dengan menggunakan teknik reverse-engineering “mereka kemudian dapat mengisolasi di mana mereka percaya konsentrasi materi yang paling padat, baik yang terlihat maupun yang tidak terlihat, dapat ditemukan.”

Fluri dan Tomasz Kacprzak, peneliti lain dalam kelompok menjelaskan bahwa mereka melatih jaringan saraf mereka dengan memberinya data yang dihasilkan komputer yang benar-benar mensimulasikan alam semesta. Analisis berulang mereka terhadap peta materi gelap memberi mereka kemampuan untuk mengekstrak ‘parameter kosmologis’ dari gambar langit yang sebenarnya.

Hasil yang mereka capai dengan membandingkannya dengan metode standar yang digunakan dalam proses ini menunjukkan perbaikan sebesar 30%, berdasarkan analisis statistik yang dibuat manusia. Seperti yang dijelaskan Fluri, “algoritma A.I. memerlukan banyak data untuk belajar dalam fase pelatihan. Sangat penting bahwa data pelatihan ini, dalam kasus kami simulasi, seakurat mungkin. Jika tidak, itu akan belajar fitur yang tidak ada dalam data nyata.”

Setelah melatih jaringan, mereka memberinya peta materi gelap yang sebenarnya yang diperoleh dari KiDS-450 dataset, yang dibuat menggunakan VLT Survey Telescope (VST) di Chili. Dataset ini mencakup area total sekitar 2.200 kali ukuran bulan purnama dan berisi catatan sekitar 15 juta galaksi.

Seperti yang dijelaskan oleh Futurity, dengan menganalisis berulang kali peta materi gelap, jaringan saraf mengajari dirinya sendiri untuk mencari fitur yang tepat di dalamnya dan mengekstrak lebih banyak informasi yang diinginkan.“Dalam analogi Facebook, itu menjadi lebih baik dalam membedakan bentuk oval acak dari mata atau mulut.”