과학자들이 수정된 얼굴 인식 기술을 사용하여 암흑 물질 발견에 도전한다

인공지능의 사용에 대해 일반 대중이 익숙한 것이 있다면 그것은 얼굴 인식이다. 모바일폰을 열거나 페이스북이 이미지에서 눈을 찾거나 얼굴의 다른 부분을 찾는 알고리즘과 같은 얼굴 인식은 표준이 되었다. (META )

하지만 이제 우주의 구성과 같은 복잡한 질문에 대처하는 과학자들은 암흑 물질의 양과 위치를 발견하기 위해 수정된 얼굴 인식 기술을 사용하기 시작했다.

디지털 트렌드와 퓨처리티는 다음과 같이 보고했다. “물리학자들은 이 신비한 물질을 이해하는 것이 우주의 기본 구조를 설명하는 데 필요하다고 믿는다.”

스위스 취리히의 ETH 취리히에서 Alexandre Refregier의 그룹에 모인 연구자들은 얼굴 인식 기술을 사용하여 암흑 물질을 발견하기 위한 새로운 도구를 개발하기 시작했다.

이 프로젝트에서 일하는 연구자 Janis Fluri는 디지털 트렌드와 다음과 같이 말했다. “우리가 사용하는 알고리즘은 얼굴 인식에서 사용하는 알고리즘과 매우 유사하다. 인공지능의 아름다움은 bahwa 그것이 거의 모든 데이터에서 학습할 수 있다는 것이다. 얼굴 인식에서 그것은 눈을, 입을, 코를 학습하지만 우리는 암흑 물질에 대한 힌트를 주는 구조를 찾고 있다. 이 패턴 인식은 알고리즘의 핵심이다. 궁극적으로 우리는 그것을 우주의 기본적인 매개변수를 추론하기 위해 수정했다.”

과학자들은 암흑 물질이 우주의 약 27%를 차지하며 가시적인 물질보다 6배 더 많다고 가정한다. 이론에 따르면 암흑 물질은 은하계가 자체를 파괴하지 않도록 필요한 추가 질량을 제공한다. 또한それは 정상적인 물질을 먼지와 가스로 수집하여 별과 은하계를 형성하도록 한다.

연구자들은 은하계의 클러스터 주변에 나타나는 왜곡된 영역을 찾고 있다. 역공학을 사용하여 그들은 물질의 가장 집중된 영역을 찾을 수 있다.

Fluri와 Tomasz Kacprzak은 컴퓨터로 생성된 데이터를 사용하여 신경망을 훈련시켰다. 암흑 물질的地图를 분석하여 実際的な 宇宙 이미지에서 ‘우주의 매개변수’를 추출할 수 있었다.

그들은 표준적인 방법과 비교하여 30%의 개선을 달성했다. Fluri는 “인공지능 알고리즘은 많은 데이터가 필요하다. 훈련 데이터가 정확해야 한다. 그렇지 않으면 실제 데이터에서 없는 특징을 학습할 것이다.”라고 설명했다.

네트워크를 훈련한 후에 실제 암흑 물질的地图를 입력했다. 이 데이터는 VLT Survey Telescope (VST)를 사용하여 얻었으며 약 2,200개의 달의 크기에 해당하는 영역을 커버한다. 또한 약 1,500만 개의 은하계를 포함한다.

퓨처리티는 다음과 같이 설명했다. 암흑 물질的地图를 반복적으로 분석하여 신경망은 그들에서 올바른 특징을 찾고 더 많은 원하는 정보를 추출하는 방법을 배웠다. “페이스북의 아날로그로 말하자면 랜덤한 타원형 모양과 눈을 구분하는 데 더 좋아졌다.”