Cientistas Usam Técnicas de Reconhecimento Facial Modificadas para Descobrir Matéria Escura

Se há algo que o público em geral conhece sobre o uso de inteligência artificial, é o reconhecimento facial. Seja abrindo seu telefone celular ou os algoritmos do Facebook (META ) usados para encontrar olhos ou outras partes do rosto em imagens, o reconhecimento facial se tornou um padrão.

Mas agora, cientistas que lidam com questões complexas, como a composição do universo, estão começando a usar uma versão modificada do “padrão” de reconhecimento facial em uma tentativa de descobrir quanto de matéria escura há no universo e onde ela pode estar localizada.

Como Digital Trends e Futurity notam em seus relatórios sobre o assunto, “os físicos acreditam que entender essa substância misteriosa é necessário para explicar questões fundamentais sobre a estrutura subjacente do universo.”

São os pesquisadores reunidos no grupo de Alexandre Refregier no Instituto de Física de Partículas e Astrofísica da ETH Zurich, na Suíça, que começaram a usar métodos de rede neural profunda que estão por trás do reconhecimento facial para desenvolver novas ferramentas especiais para tentar descobrir o que ainda é um segredo do universo para nós.

Como Janis Fluri, um dos pesquisadores que trabalham no projeto, disse à Digital Trends, “O algoritmo que usamos é muito semelhante ao que é comumente usado no reconhecimento facial,” acrescentando que “a beleza da IA é que ela pode aprender com basicamente qualquer dado. No reconhecimento facial, ela aprende a reconhecer olhos, bocas e narizes, enquanto estamos procurando por estruturas que nos dêem pistas sobre a matéria escura. Esse reconhecimento de padrões é essencialmente o núcleo do algoritmo. Em última análise, apenas o adaptamos para inferir os parâmetros cosmológicos subjacentes.”

Como é explicado, os cientistas hipotetizam que a matéria escura representa cerca de 27% do universo, superando a matéria visível em uma proporção de aproximadamente seis para um. A teoria também afirma que a matéria escura dá às galáxias “a massa extra que elas necessitam para não se desintegrarem como um saco de papel suicida. É o que impulsiona a matéria normal na forma de poeira e gás a se coletar e se reunir em estrelas e galáxias.”

O que os pesquisadores estão procurando são as áreas ao redor dos aglomerados de galáxias que aparecem distorcidas. Usando engenharia reversa, “eles podem então isolar onde acreditam que as concentrações mais densas de matéria, tanto visível quanto invisível, possam ser encontradas.”

Fluri e Tomasz Kacprzak, outro pesquisador do grupo, explicaram que treinaram sua rede neural alimentando-a com dados computacionais que simulam o universo. Sua análise repetida dos mapas de matéria escura lhes deu a possibilidade de extrair “parâmetros cosmológicos” das imagens reais do céu.

Os resultados que obtiveram, comparados aos métodos padrão usados nesse processo, mostraram uma melhoria de 30%, com base em análise estatística feita por humanos. Como Fluri explicou, “o algoritmo de IA precisa de muitos dados para aprender na fase de treinamento. É muito importante que esses dados de treinamento, no nosso caso simulações, sejam o mais precisos possível. Caso contrário, ele aprenderá recursos que não estão presentes nos dados reais.”

Depois de treinar a rede, eles a alimentaram com mapas de matéria escura reais obtidos do conjunto de dados KiDS-450, feito usando o Telescópio de Levantamento VLT (VST) no Chile. Esse conjunto de dados cobre uma área total de cerca de 2.200 vezes o tamanho da lua cheia e contém registros de cerca de 15 milhões de galáxias.

Como a Futurity explica, ao analisar repetidamente os mapas de matéria escura, a rede neural ensinou a si mesma a procurar os tipos certos de recursos neles e a extrair cada vez mais das informações desejadas. “Na analogia do Facebook, ela melhorou em distinguir formas ovais aleatórias de olhos ou bocas.”