Bilim İnsanları Karanlık Maddeyi Keşfetmek İçin Değiştirilmiş Yüz Tanıma Tekniklerini Kullanıyorlar

Yapay zeka kullanımıyla ilgili olarak genel halkın aşina olduğu şeylerden biri yüz tanımadır. Cep telefonunuzu açarken veya Facebook’ (META ) un resimlerde gözleri veya yüzün diğer kısımlarını bulmak için kullandığı algoritmalar gibi, yüz tanıma bir standart haline gelmiştir.

Ancak şimdi, evrenin bileşimi gibi karmaşık sorularla uğraşan bilim insanları, evrendeki karanlık maddenin ne kadar olduğunu ve nerede olabileceğini keşfetmek için “standart” yüz tanıma tekniklerinin değiştirilmiş bir versiyonunu kullanmaya başlıyorlar.

Digital Trends ve Futurity gibi kaynaklar, “fizikçiler bu gizemli maddenin evrenin temel yapısını açıklamak için gerekli olduğunu düşünüyor” diye belirtiyorlar.

İsviçre’deki ETH Zurich’de Partiği Fiziği ve Astrofizik Enstitüsü’nde Alexandre Refregier’in grubunda toplanan araştırmacılar, yüz tanıma tekniklerinin arkasındaki derin sinir ağı yöntemlerini kullanarak karanlık maddeyi keşfetmek için yeni araçlar geliştirmeye başladılar.

Proje üzerinde çalışan araştırmacılardan Janis Fluri, Digital Trends’e şunları söyledi: “Kullandığımız algoritma, yüz tanıma için kullanılan algoritmaya çok benzer” ve “yapay zekanın güzelliği, herhangi bir verilerden öğrenme yeteneğidir. Yüz tanıma’da gözleri, ağızları ve burunları tanır, biz ise karanlık madde hakkında ipuçları veren yapıları arıyoruz. Bu kalıp tanıma, algoritmanın temelidir. Sonunda, sadece kozmolojik parametreleri çıkarmak için bunu uyarladık.”

Bilim insanları, karanlık maddenin evrenin yaklaşık %27’sini oluşturduğuna ve görünen maddeye göre altı kata bir oranla daha ağır olduğuna inanıyor. Teorilere göre, karanlık madde galaksilere necessary olan ek kütleleri sağlar, böylece mereka kendilerini yok edecek şekilde parçalanamazlar. Normal maddenin toz ve gaz şeklinde bir araya gelerek yıldızlar ve galaksiler oluşturmasına neden olur.

Araştırmacılar, galaksi kümelerinin etrafındaki alanlarda bozulmuş gibi görünen bölgeleri arıyorlar. Tersine mühendislik kullanarak, görünen ve görünmeyen maddenin en yoğun konsantrasyonlarının nerede olabileceğini belirleyebilirler.

Fluri ve Tomasz Kacprzak, grubun diğer bir araştırmacısı, sinir ağını evreni simüle eden bilgisayar üretimi verileriyle beslediler. Gerçek gökyüzü resimlerinden kozmolojik parametreleri çıkarmalarına olanak tanıyan karanlık madde haritalarının tekrar tekrar analizini yaptılar.

İnsan tarafından yapılan istatistiksel analizle karşılaştırıldığında, elde ettikleri sonuçlar %30’luk bir iyileşme gösterdi. Fluri, “Eğitim aşamasında algoritmanın çok fazla veriye ihtiyacı var. Bu eğitim verilerinin, bizim durumumuzda simülasyonların, mümkün olduğunca doğru olması çok önemli. Aksi takdirde, gerçek verilerde bulunmayan özellikler öğrenir” diye açıkladı.

Ağlarını eğittikten sonra, VLT Anket Teleskobu (VST) ile Şili’de yapılan KiDS-450 veri kümesinden elde edilen gerçek karanlık madde haritalarını beslediler. Bu veri kümesi, tam ayın boyutunun 2.200 katı büyüklüğünde bir alanı kapsıyor ve yaklaşık 15 milyon galaksi kaydını içeriyor.

Futurity’ye göre, karanlık madde haritalarını tekrar tekrar analiz ederek, sinir ağı kendisine doğru türdeki özelliklere bakmayı ve daha fazla istenilen bilgiyi çıkarmayı öğrendi. “Facebook analojisinde, rastgele oval şekilleri gözlerden veya ağızdan ayırt etmeyi daha iyi hale getirdi.”