Cientistas Usam Inteligência Artificial para Estimar Matéria Escura no Universo

Cientistas do Departamento de Física e do Departamento de Ciência da Computação da ETH Zurich estão usando inteligência artificial para aprender mais sobre nosso universo. Eles estão contribuindo para os métodos utilizados para estimar a quantidade de matéria escura presente. O grupo de cientistas desenvolveu algoritmos de aprendizado de máquina que são semelhantes aos utilizados pelo Facebook (META ) e outras empresas de mídia social para reconhecimento facial. Esses algoritmos ajudam a analisar dados cosmológicos. Os novos resultados e pesquisas foram publicados no jornal científico Physical Review D.

Tomasz Kacprzak, um pesquisador do Instituto de Física de Partículas e Astrofísica, explicou a ligação entre reconhecimento facial e estimativa de matéria escura no universo.

“O Facebook usa seus algoritmos para encontrar olhos, bocas ou orelhas em imagens; nós usamos os nossos para procurar os sinais característicos de matéria escura e energia escura”, explicou ele.

A matéria escura não pode ser vista diretamente por imagens de telescópio, mas ela curva o caminho dos raios de luz que vêm da Terra de outras galáxias. Isso é chamado de lenteamento gravitacional fraco, e ele distorce as imagens dessas galáxias.

A distorção que ocorre é então usada pelos cientistas. Eles constroem mapas com base na massa do céu, e eles mostram onde a matéria escura está. Os cientistas então tomam previsões teóricas da localização da matéria escura e as comparam com os mapas construídos, e procuram as que mais se aproximam dos dados.

O método descrito com mapas é tradicionalmente feito usando estatísticas projetadas por humanos, que ajudam a explicar como as partes dos mapas se relacionam entre si. O problema que surge com esse método é que ele não é bem adaptado para detectar os padrões complexos que estão presentes nesses mapas.

“Em nosso trabalho recente, nós usamos uma metodologia completamente nova… Em vez de inventar a análise estatística apropriada, deixamos que os computadores façam o trabalho”, disse Alexandre Refregier.

Aurelien Lucchi e sua equipe do Laboratório de Análise de Dados do Departamento de Ciência da Computação, juntamente com Janis Fluri, um estudante de doutorado do grupo de Refregier e o autor principal do estudo, trabalharam juntos usando algoritmos de aprendizado de máquina. Eles usaram esses algoritmos para estabelecer redes neurais artificiais profundas que são capazes de aprender a extrair o máximo de informações dos mapas de matéria escura.

O grupo de cientistas primeiro deu à rede neural dados computacionais que simulavam o universo. A rede neural eventualmente ensinou a si mesma quais características procurar e extrair grandes quantidades de informações.

Essas redes neurais superaram a análise feita por humanos. No total, elas foram 30% mais precisas do que os métodos tradicionais baseados em análise estatística feita por humanos. Se os cosmólogos quisessem alcançar a mesma taxa de precisão sem usar esses algoritmos, eles teriam que dedicar pelo menos o dobro do tempo de observação.

Depois que esses métodos foram estabelecidos, os cientistas então os usaram para criar mapas de matéria escura com base no conjunto de dados KiDS-450.

“Essa é a primeira vez que essas ferramentas de aprendizado de máquina são usadas nesse contexto, e encontramos que a rede neural artificial profunda permite extrair mais informações dos dados do que as abordagens anteriores. Acreditamos que o uso da inteligência artificial na cosmologia terá muitas aplicações futuras”, disse Fluri.

Os cientistas agora querem usar esse método em conjuntos de imagens maiores, como o Levante de Energia Escura, e as redes neurais começarão a adquirir novas informações sobre matéria escura.