Ученые используют искусственный интеллект для оценки темной материи во Вселенной

Ученые из департаментов физики и информатики ETH Zurich используют искусственный интеллект, чтобы узнать больше о нашей Вселенной. Они вносят свой вклад в методы, используемые для оценки количества темной материи. Группа ученых разработала алгоритмы машинного обучения, аналогичные тем, которые используются компаниями Facebook (META ) и другими социальными медиа для распознавания лиц. Эти алгоритмы помогают анализировать космологические данные. Новые исследования и результаты были опубликованы в научном журнале Physical Review D.

Томаш Качпжак, исследователь из Института физики частиц и астрофизики, объяснил связь между распознаванием лиц и оценкой темной материи во Вселенной.

“Facebook использует свои алгоритмы для поиска глаз, ртов или ушей на изображениях; мы используем свои для поиска характерных признаков темной материи и темной энергии”, – объяснил он.

Темная материя не может быть trựcно наблюдаема с помощью телескопических изображений, но она искажает путь световых лучей, приходящих на Землю из других галактик. Это называется слабым гравитационным линзированием, и оно искажает изображения этих галактик.

Ученые используют искажения, которые возникают, для построения карт массы неба, и они показывают, где находится темная материя. Затем ученые сравнивают теоретические прогнозы местонахождения темной материи с построенными картами и ищут те, которые лучше всего соответствуют данным.

Описанный метод с картами традиционно используется с помощью статистических методов, разработанных человеком, которые помогают объяснить, как части карт связаны между собой. Проблема, которая возникает с этим методом, заключается в том, что он не хорошо подходит для обнаружения сложных закономерностей, присутствующих на таких картах.

“В нашей недавней работе мы использовали совершенно новую методологию… Вместо того, чтобы изобретать подходящий статистический анализ сами, мы позволили компьютерам сделать эту работу”, – сказал Александр Рефрегье.

Орелиен Люкши и его команда из лаборатории Data Analytics департамента информатики, вместе с Янисом Флуром, аспирантом из группы Рефрегье и ведущим автором исследования, работали вместе, используя алгоритмы машинного обучения. Они использовали их для создания глубоких искусственных нейронных сетей, которые могут учиться извлекать как можно больше информации из карт темной материи.

Группа ученых сначала предоставила нейронной сети компьютерные данные, симулирующие Вселенную. Нейронная сеть в конечном итоге научилась сама, какие признаки искать и извлекать большие объемы информации.

Эти нейронные сети превзошли анализ, сделанный человеком. В целом они были на 30% более точными, чем традиционные методы, основанные на статистическом анализе, разработанном человеком. Если космологи хотели бы достичь того же уровня точности без использования этих алгоритмов, им пришлось бы потратить как минимум вдвое больше времени на наблюдения.

После того, как эти методы были разработаны, ученые использовали их для создания карт темной материи на основе набора данных KiDS-450.

“Это первый раз, когда такие инструменты машинного обучения используются в этом контексте, и мы обнаружили, что глубокая искусственная нейронная сеть позволяет нам извлекать больше информации из данных, чем предыдущие подходы. Мы считаем, что это использование машинного обучения в космологии будет иметь много будущих применений”, – сказал Флур.

Ученые теперь хотят использовать этот метод на более крупных наборах изображений, таких как Обзор темной энергии, и нейронные сети начнут получать новую информацию о темной материи.