Ученые используют модифицированные методы распознавания лиц для открытия темной материи

Якщо існує щось, з чим загальна публіка знайома при використанні штучного інтелекту, то це розпізнавання облич. Чи то це відкриття мобільного телефону, чи алгоритми Facebook (META ), які використовують для пошуку очей або інших частин обличчя на зображеннях, розпізнавання облич стало стандартом.

Але тепер вчені, які займаються складними питаннями, такими як склад Всесвіту, починають використовувати модифіковану версію “стандартного” розпізнавання облич у спробі виявити, скільки темної матерії існує у Всесвіті та де вона можливо розташована.

Як зазначають Digital Trends і Futurity у своїх звітах на цю тему, “фізики вважають, що розуміння цієї загадкової речовини необхідно для пояснення фундаментальних питань про основну структуру Всесвіту.”

Це дослідники з групи Александра Рефрег’єра в Інституті фізики частинок і астрофізики ETH Цюріха, Швейцарія, які почали використовувати методи глибоких нейронних мереж, що лежать в основі розпізнавання облич, для розробки нових спеціальних інструментів для спроби виявити те, що все ще є секретом Всесвіту для нас.

Як сказав Джанніс Флюрі, один з дослідників, які працюють над проєктом, в інтерв’ю Digital Trends, “Алгоритм, який ми використовуємо, дуже схожий на той, який зазвичай використовується в розпізнаванні облич,” додавши, що “краса штучного інтелекту полягає в тому, що він може навчатися практично з будь-яких даних. У розпізнаванні облич він вчиться розпізнавати очі, роти та носи, тоді як ми шукаємо структури, які дають нам підказки про темну матерію. Це розпізнавання закономірностей є суттю алгоритму. Насправді, ми тільки адаптували його для виведення основних космологічних параметрів.”

Як пояснюється, вчені припускають, що темна матерія становить близько 27% Всесвіту, переважаючи видиму матерію у співвідношенні приблизно шість до одного. Теорія також говорить, що темна матерія дає галактикам “додаткову масу, необхідну для того, щоб вони не розірвалися, як самогубчий паперовий мішок. Це те, що спонукає нормальну матерію у вигляді пилу та газу зібратися та зібратися в зірки та галактики.”

Що шукають дослідники, це області навколо скупчень галактик, які здаються викривленими. Використовуючи зворотний інжиніринг “вони можуть потім ізолювати, де, на їхню думку, розташовані найбільш густі концентрації матерії, як видимої, так і невидимої.”

Флюрі та Томаш Кацпжак, інший дослідник у групі, пояснили, що вони навчали свою нейронну мережу, годуючи її комп’ютерними даними, які фактично імітують Всесвіт. Їх повторний аналіз карт темної матерії дав їм можливість витягнути “космологічні параметри” з реальних зображень неба.

Результати, яких вони досягли, порівнюючи їх зі стандартними методами, використовуваними в цьому процесі, показали покращення на 30%, на основі статистичного аналізу, створеного людиною. Як пояснив Флюрі, “алгоритм штучного інтелекту потребує багато даних для навчання у фазі навчання. Дуже важливо, щоб ці навчальні дані, у нашому випадку симуляції, були якомога точнішими. Інакше, він вивчить функції, яких немає у реальних даних.”

Після навчання мережі вони годували її фактичними картами темної матерії, отриманими з KiDS-450 dataset, створеного за допомогою телескопа VLT Survey Telescope (VST) у Чилі. Цей набір даних охоплює загальну площу близько 2 200 разів більшу, ніж повний місяць, і містить записи про близько 15 мільйонів галактик.

Як пояснює Futurity, повторно аналізуючи карти темної матерії, нейронна мережа навчила себе шукати правильні особливості в них і витягувати все більше бажаної інформації.“У аналогії з Facebook вона стала краще розрізняти випадкові овальні форми від очей або ротів.”