Scienziati utilizzano tecniche di riconoscimento facciale modificate per scoprire la materia oscura

Se c’è una cosa che il pubblico in generale conosce quando si utilizza l’intelligenza artificiale, è il riconoscimento facciale. Sia che si tratti di aprire il proprio telefono cellulare o degli algoritmi di Facebook (META ) che trovano gli occhi o altre parti del viso nelle immagini, il riconoscimento facciale è diventato uno standard.

Ma ora gli scienziati che si occupano di questioni complesse come la composizione dell’universo stanno iniziando a utilizzare una versione modificata del “standard” riconoscimento facciale nel tentativo di scoprire quanto ci sia di materia oscura nell’universo e dove potrebbe essere localizzata.

Come notano Digital Trends e Futurity nei loro rapporti sull’argomento, “i fisici ritengono che capire questa sostanza misteriosa sia necessario per spiegare questioni fondamentali sulla struttura sottostante dell’universo.”

Sono i ricercatori riuniti nel gruppo di Alexandre Refregier all’Istituto di Fisica delle Particelle e Astrofisica dell’ETH di Zurigo, in Svizzera, che hanno iniziato a utilizzare metodi di reti neurali profonde che stanno dietro il riconoscimento facciale per sviluppare nuovi strumenti speciali per tentare di scoprire cosa è ancora un segreto dell’universo per noi.

Come ha detto Janis Fluri, uno dei ricercatori che lavorano al progetto, a Digital Trends, “L’algoritmo che utilizziamo è molto simile a quello comunemente utilizzato nel riconoscimento facciale,” aggiungendo che “la bellezza dell’IA è che può imparare da qualsiasi dato. Nel riconoscimento facciale, impara a riconoscere occhi, bocche e nasi, mentre noi cerchiamo strutture che ci diano indizi sulla materia oscura. Questo riconoscimento di pattern è essenzialmente il nucleo dell’algoritmo. Alla fine, abbiamo solo adattato per inferire i parametri cosmologici sottostanti.”

Come spiegato, gli scienziati ipotizzano che la materia oscura rappresenti circa il 27% dell’universo, superando la materia visibile in un rapporto di circa sei a uno. La teoria sostiene anche che la materia oscura dia alle galassie “la massa extra necessaria per non distruggersi come un sacchetto di carta suicida. È ciò che spinge la materia normale sotto forma di polvere e gas a raccogliersi e assemblarsi in stelle e galassie.”

Cosa stanno cercando i ricercatori sono le aree intorno ai cluster di galassie che appaiono deformate. Utilizzando il reverse-engineering “possono poi isolare dove credono che si trovino le concentrazioni più dense di materia, sia visibile che invisibile.”

Fluri e Tomasz Kacprzak, un altro ricercatore del gruppo, hanno spiegato che hanno addestrato la loro rete neurale alimentandola con dati generati al computer che simulano effettivamente l’universo. La loro analisi ripetuta delle mappe della materia oscura ha loro dato la possibilità di estrarre ‘parametri cosmologici’ dalle immagini reali del cielo.

I risultati che hanno ottenuto confrontandoli con i metodi standard utilizzati in questo processo hanno mostrato un miglioramento del 30%, basato sull’analisi statistica umana. Come ha spiegato Fluri, “l’algoritmo di IA necessita di molti dati per imparare nella fase di addestramento. È molto importante che questi dati di addestramento, nel nostro caso le simulazioni, siano il più possibile precisi. Altrimenti, imparerà caratteristiche che non sono presenti nei dati reali.”

Dopo aver addestrato la rete, l’hanno alimentata con mappe reali della materia oscura ottenute dal set di dati KiDS-450 dataset, realizzato utilizzando il telescopio VLT Survey Telescope (VST) in Cile. Questo set di dati copre un’area totale di circa 2.200 volte la dimensione della luna piena e contiene registri di circa 15 milioni di galassie.

Come spiega Futurity, analizzando ripetutamente le mappe della materia oscura, la rete neurale ha imparato a cercare il tipo giusto di caratteristiche in esse e a estrarre sempre più delle informazioni desiderate. “Nell’analogia di Facebook, è diventata migliore nel distinguere forme ovali casuali da occhi o bocche.”