นักวิทยาศาสตร์ใช้ปัญญาประดิษฐ์ในการประมาณการมวลมืดในจักรวาล

นักวิทยาศาสตร์จากภาควิชาฟิสิกส์และภาควิชาวิทยาการคอมพิวเตอร์ tại ETH Zurich กำลังใช้ปัญญาประดิษฐ์ในการเรียนรู้เพิ่มเติมเกี่ยวกับจักรวาลของเรา พวกเขากำลังช่วยพัฒนาวิธีการในการประมาณการปริมาณมวลมืดที่มีอยู่ในจักรวาล กลุ่มนักวิทยาศาสตร์ได้พัฒนาแอลกอริทึมการเรียนรู้ของเครื่องจักรที่คล้ายกับแอลกอริทึมที่ใช้โดย Facebook (META ) และบริษัทสื่อสังคมออนไลน์อื่นๆ สำหรับการรู้จำใบหน้า แอลกอริทึมเหล่านี้ช่วยวิเคราะห์ข้อมูลจักรวาลใหม่ ผลการวิจัยและผลลัพธ์ใหม่ถูกตีพิมพ์ในวารสารวิทยาศาสตร์ Physical Review D

Tomasz Kacprzak นักวิจัยจาก Institute of Particle Physics and Astrophysics อธิบายถึงความเชื่อมโยงระหว่างการรู้จำใบหน้าและการประมาณการมวลมืดในจักรวาล

“Facebook ใช้แอลกอริทึมของตนเพื่อค้นหา眼睛 ปาก หรือหูในภาพเราใช้แอลกอริทึมของเราเพื่อค้นหาสัญญาณที่บ่งบอกถึงมวลมืดและพลังงานมืด” เขาอธิบาย

มวลมืดไม่สามารถมองเห็นได้โดยตรงจากภาพถ่ายทางโทรทรรศน์ แต่มันทำให้เส้นทางของแสงเปลี่ยนแปลงเมื่อมันมาจากกาแลคซี่อื่น นี่เรียกว่าเลนส์แรงโน้มถ่วงอ่อน และทำให้ภาพของกาแลคซี่เหล่านั้นบิดเบี้ยว

การบิดเบี้ยวที่เกิดขึ้นจะถูกใช้โดยนักวิทยาศาสตร์ พวกเขาสร้างแผนที่ตามมวลของท้องฟ้า และแสดงว่ามวลมืดอยู่ที่ไหน นักวิทยาศาสตร์จากนั้นใช้การคาดการณ์ทางทฤษฎีของตำแหน่งของมวลมืดและเปรียบเทียบกับแผนที่ที่สร้างขึ้น และพวกเขาหาสิ่งที่ตรงกับข้อมูลมากที่สุด

วิธีการที่อธิบายไว้โดยใช้แผนที่นี้ทำโดยใช้สถิติที่ออกแบบโดยมนุษย์ ซึ่งช่วยอธิบายว่าส่วนต่างๆ ของแผนที่เกี่ยวข้องกันอย่างไร ปัญหาที่เกิดขึ้นกับวิธีการนี้คือไม่เหมาะสมสำหรับการตรวจจับรูปแบบที่ซับซ้อนในแผนที่เหล่านี้

“ในงานวิจัยล่าสุดของเรา เราใช้วิธีการใหม่ทั้งหมด…แทนที่จะคิดค้นการวิเคราะห์สถิติที่เหมาะสม ourselves เราให้เครื่องคอมพิวเตอร์ทำงานนั้น” Alexandre Refregier กล่าว

Aurelien Lucchi และทีมของเขาจาก Data Analytics Lab ที่ภาควิชาวิทยาการคอมพิวเตอร์ ร่วมกับ Janis Fluri นักศึกษาระดับ博士จากกลุ่มของ Refregier และเป็นผู้เขียนนำของการศึกษา ร่วมกันใช้แอลกอริทึมการเรียนรู้ของเครื่องจักร พวกเขาสร้างเครือข่ายประสาทเทียมลึกที่สามารถเรียนรู้เพื่อดึงข้อมูลมากที่สุดจากแผนที่มวลมืด

กลุ่มนักวิทยาศาสตร์ให้เครือข่ายประสาทเทียมคอมพิวเตอร์ข้อมูลที่สร้างโดยคอมพิวเตอร์ซึ่งจำลองจักรวาล เครือข่ายประสาทเทียมในที่สุดก็สอนตัวเองว่าจะมองหาสิ่งใดและดึงข้อมูลจำนวนมาก

เครือข่ายประสาทเทียมเหล่านี้ทำได้ดีกว่าการวิเคราะห์ที่ทำโดยมนุษย์ โดยรวมแล้วมีความแม่นยำมากกว่าวิธีการดั้งเดิมที่ใช้การวิเคราะห์สถิติที่ออกแบบโดยมนุษย์ถึง 30% หากนักจักรวาลต้องการบรรลุอัตราความแม่นยำเท่ากันโดยไม่ใช้แอลกอริทึมเหล่านี้ พวกเขาจะต้องใช้เวลาในการสังเกตการณ์มากขึ้นอย่างน้อยสองเท่า

หลังจากที่วิธีการเหล่านี้ถูกสร้างขึ้น นักวิทยาศาสตร์จากนั้นใช้เพื่อสร้างแผนที่มวลมืดตามชุดข้อมูล KiDS-450

“นี่เป็นครั้งแรกที่เครื่องมือการเรียนรู้ของเครื่องจักรถูกใช้ในบริบทนี้ และเราพบว่าเครือข่ายประสาทเทียมลึกช่วยให้เราดึงข้อมูลมากขึ้นจากข้อมูลมากกว่าวิธีการก่อนหน้านี้ เราเชื่อว่าการใช้ปัญญาประดิษฐ์ในจักรวาลวิทยานี้จะมีการใช้งานในอนาคตมากมาย” Fluri กล่าว

นักวิทยาศาสตร์ขณะนี้ต้องการใช้วิธีการนี้กับชุดข้อมูลภาพที่ใหญ่กว่า เช่น การสำรวจพลังงานมืด และเครือข่ายประสาทเทียมจะเริ่มดึงข้อมูลใหม่เกี่ยมเกี่ยวกับมวลมืด