Вчені використовують штучний інтелект для оцінки темної матерії у Всесвіті

Вчені з фізичного та комп’ютерного факультетів ETH Zurich використовують штучний інтелект, щоб дізнатися більше про наш Всесвіт. Вони внесли свій внесок у методи оцінки кількості темної матерії. Група вчених розробила алгоритми машинного навчання, подібні до тих, які використовуються компаніями Facebook (META ) та іншими соціальними медіа-компаніями для розпізнавання облич. Ці алгоритми допомагають аналізувати космологічні дані. Нові дослідження та результати були опубліковані в науковому журналі Physical Review D.

Томаш Качпжак, дослідник з Інституту частинок та астрофізики, пояснив зв’язок між розпізнаванням облич та оцінкою темної матерії у Всесвіті.

“Facebook використовує свої алгоритми для пошуку очей, рота чи вух на зображеннях; ми використовуємо свої для пошуку характерних ознак темної матерії та темної енергії”, – пояснив він.

Темна матерія не може бути побачена безпосередньо на зображеннях телескопа, але вона викривляє шлях світлових променів, які надходять на Землю з інших галактик. Це називається слабким гравітаційним лінзуванням, і воно викривлює зображення цих галактик.

Викривлення, яке відбувається, потім використовується вченими. Вони створюють карти на основі маси неба, і вони показують, де знаходиться темна матерія. Вчені потім беруть теоретичні передбачення місцезнаходження темної матерії та порівнюють їх з побудованими картами, і вони шукають ті, які найбільш відповідають даним.

Описаний метод з картами традиційно виконується за допомогою статистичних методів, розроблених людьми, які допомагають пояснити, як частини карт пов’язані одна з одною. Проблема, яка виникає з цим методом, полягає в тому, що він не підходить для виявлення складних закономірностей, які присутні на таких картах.

“У нашій останній роботі ми використали зовсім нову методологію… Замість того, щоб винаходити відповідний статистичний аналіз самі, ми доручили це комп’ютерам”, – сказав Александр Рефрейєр.

Орелєн Луккі та його команда з лабораторії даних факультету комп’ютерних наук, разом з Янісом Флюрі, аспірантом групи Рефрейєра та головним автором дослідження, працювали разом, використовуючи алгоритми машинного навчання. Вони використовували їх для створення глибоких штучних нейронних мереж, які можуть вивчити витягувати якомога більше інформації з карт темної матерії.

Група вчених спочатку надала комп’ютеру генеровані дані, які симулювали Всесвіт. Нейронна мережа в кінцевому підсумку навчила себе, які особливості шукати та витягувати велику кількість інформації.

Ці нейронні мережі перевершували аналіз, створений людьми. Всього вони були на 30% точніші, ніж традиційні методи, засновані на статистичному аналізі, створеному людьми. Якщо космологи хотіли досягти такого самого рівня точності без використання цих алгоритмів, їм довелося б витратити щонайменше вдвічі більше часу на спостереження.

Після того, як ці методи були встановлені, вчені потім використали їх для створення карт темної матерії на основі набору даних KiDS-450.

“Це перший випадок, коли такі інструменти машинного навчання були використані в цьому контексті, і ми виявили, що глибока штучна нейронна мережа дозволяє нам витягувати більше інформації з даних, ніж попередні підходи. Ми вважаємо, що використання машинного навчання в космології матиме багато майбутніх застосувань”, – сказав Флюрі.

Вчені тепер хочуть використовувати цей метод на більших наборах зображень, таких як ДARK Energy Survey, і нейронні мережі почнуть вивчити нову інформацію про темну матерію.