Scienziati utilizzano l’intelligenza artificiale per stimare la materia oscura nell’universo

Gli scienziati del Dipartimento di Fisica e del Dipartimento di Informatica dell’ETH di Zurigo stanno utilizzando l’intelligenza artificiale per apprendere di più sul nostro universo. Stanno contribuendo ai metodi utilizzati per stimare la quantità di materia oscura presente. Il gruppo di scienziati ha sviluppato algoritmi di apprendimento automatico simili a quelli utilizzati da Facebook (META ) e altre società di social media per il riconoscimento facciale. Questi algoritmi aiutano ad analizzare i dati cosmologici. Le nuove ricerche e i risultati sono stati pubblicati sulla rivista scientifica Physical Review D.

Tomasz Kacprzak, un ricercatore dell’Istituto di Fisica delle Particelle e Astrofisica, ha spiegato il legame tra il riconoscimento facciale e la stima della materia oscura nell’universo.

“Facebook utilizza i suoi algoritmi per trovare occhi, bocche o orecchie nelle immagini; noi utilizziamo i nostri per cercare i segni caratteristici della materia oscura e dell’energia oscura”, ha spiegato.

La materia oscura non può essere vista direttamente dalle immagini dei telescopi, ma curva il percorso dei raggi luminosi che provengono da altre galassie. Questo è chiamato lensing gravitazionale debole, e distorce le immagini di quelle galassie.

La distorsione che si verifica viene quindi utilizzata dagli scienziati. Essi costruiscono mappe basate sulla massa del cielo, e mostrano dove si trova la materia oscura. Gli scienziati prendono quindi le previsioni teoriche della posizione della materia oscura e le confrontano con le mappe costruite, e cercano quelle che corrispondono meglio ai dati.

Il metodo descritto con le mappe è tradizionalmente eseguito utilizzando statistiche progettate dagli esseri umani, che aiutano a spiegare come le parti delle mappe si relazionano tra loro. Il problema che si verifica con questo metodo è che non è ben adatto per rilevare i modelli complessi presenti in tali mappe.

“Nel nostro recente lavoro, abbiamo utilizzato una metodologia completamente nuova… Invece di inventare noi stessi l’analisi statistica appropriata, abbiamo lasciato che i computer facessero il lavoro”, ha detto Alexandre Refregier.

Aurelien Lucchi e il suo team del Data Analytics Lab del Dipartimento di Informatica, insieme a Janis Fluri, uno studente di dottorato del gruppo di Refregier e autore principale dello studio, hanno lavorato insieme utilizzando algoritmi di apprendimento automatico. Hanno utilizzato reti neurali artificiali profonde in grado di imparare a estrarre il maggior numero di informazioni possibile dalle mappe della materia oscura.

Il gruppo di scienziati ha fornito inizialmente alla rete neurale dati generati dal computer che simulavano l’universo. La rete neurale ha eventualmente imparato a riconoscere quali caratteristiche cercare e a estrarre grandi quantità di informazioni.

Queste reti neurali hanno superato l’analisi fatta dall’uomo. Nel complesso, sono state il 30% più precise dei metodi tradizionali basati sull’analisi statistica fatta dall’uomo. Se i cosmologi volessero raggiungere la stessa precisione senza utilizzare questi algoritmi, dovrebbero dedicare almeno il doppio del tempo di osservazione.

Dopo che questi metodi sono stati stabiliti, gli scienziati li hanno utilizzati per creare mappe della materia oscura basate sul set di dati KiDS-450.

“Questa è la prima volta che strumenti di apprendimento automatico sono stati utilizzati in questo contesto, e abbiamo trovato che la rete neurale artificiale profonda ci consente di estrarre più informazioni dai dati rispetto agli approcci precedenti. Crediamo che questo utilizzo dell’apprendimento automatico in cosmologia avrà molte applicazioni future”, ha detto Fluri.

Gli scienziati ora vogliono utilizzare questo metodo su set di immagini più grandi come il Dark Energy Survey, e le reti neurali inizieranno a raccogliere nuove informazioni sulla materia oscura.