Ученые используют модифицированные методы распознавания лиц для открытия темной материи

Если есть одно, с чем общая публика знакома при использовании искусственного интеллекта, то это распознавание лиц. Будь то открытие мобильного телефона или алгоритмы Facebook (META ), которые находят глаза или другие части лица на изображениях, распознавание лиц стало стандартом.

Но теперь ученые, занимающиеся сложными вопросами, такими как состав Вселенной, начинают использовать модифицированную версию “стандартного” распознавания лиц в попытке обнаружить, сколько темной материи существует во Вселенной и где она может находиться.

Как сообщают Digital Trends и Futurity в своих отчетах на эту тему, “физики считают, что понимание этой загадочной субстанции необходимо для объяснения фундаментальных вопросов о базовой структуре Вселенной.”

Исследователи, собравшиеся в группе Александра Рефрегье в Институте физики частиц и астрофизики ЭТХ Цюриха, Швейцария, начали использовать методы глубоких нейронных сетей, лежащие в основе распознавания лиц, для разработки новых специальных инструментов для попытки обнаружить то, что все еще является секретом Вселенной для нас.

Как рассказал Джанис Флюри, один из исследователей, работающих над проектом, Digital Trends, “Алгоритм, который мы используем, очень близок к тому, который обычно используется в распознавании лиц,” добавив, что “красота ИИ заключается в том, что он может учиться на любой информации. В распознавании лиц он учится распознавать глаза, рты и носы, а мы ищем структуры, которые дают нам подсказки о темной материи. Это распознавание образов является по сути ядром алгоритма. В конечном итоге мы только адаптировали его для вывода основных космологических параметров.”

Как объясняется, ученые предполагают, что темная материя составляет около 27% Вселенной, превышая видимую материю в соотношении примерно шесть к одному. Теория также гласит, что темная материя дает галактикам “дополнительную массу, необходимую для того, чтобы они не разорвались, как бумажный пакет. Это то, что заставляет нормальную материю в виде пыли и газа собираться и образовывать звезды и галактики.”

Исследователи ищут области вокруг кластеров галактик, которые кажутся искаженными. Используя обратную инженерию, “они могут затем выделить, где, по их мнению, находятся наиболее плотные концентрации материи, как видимой, так и невидимой.”

Флюри и Томаш Качпжак, другой исследователь в группе, объяснили, что они обучили свою нейронную сеть, подпитывая ее компьютерными данными, которые фактически имитируют Вселенную. Их повторный анализ карт темной материи дал им возможность извлечь “космологические параметры” из реальных изображений неба.

Результаты, которые они достигли, сравнивая их со стандартными методами, используемыми в этом процессе, показали 30% улучшение, основанное на статистическом анализе, сделанном человеком. Как объяснил Флюри, “алгоритм ИИ требует много данных для обучения в фазе обучения. Очень важно, чтобы эти данные, в нашем случае симуляции, были как можно более точными. В противном случае он научится особенностям, которые не присутствуют в реальных данных.”

После обучения сети они подали ей фактические карты темной материи, полученные из набора данных KiDS-450, созданного с помощью телескопа VLT Survey Telescope (VST) в Чили. Этот набор данных охватывает общую площадь примерно в 2 200 раз больше полной луны и содержит записи около 15 миллионов галактик.

Как объясняет Futurity, повторно анализируя карты темной материи, нейронная сеть научилась сама искать правильные особенности в них и извлекать все больше и больше желаемой информации. “В аналогии с Facebook она стала лучше различать случайные овальные формы и глаза или рты.”