Các nhà khoa học sử dụng kỹ thuật nhận dạng khuôn mặt được sửa đổi để khám phá vật chất tối

Nếu có một điều mà công chúng nói chung quen thuộc với việc sử dụng trí tuệ nhân tạo hơn là nhận dạng khuôn mặt. Cho dù đó là mở điện thoại di động của họ hoặc các thuật toán mà Facebook (META ) sử dụng để tìm mắt hoặc các bộ phận khác của khuôn mặt trong hình ảnh, nhận dạng khuôn mặt đã trở thành một tiêu chuẩn.

Nhưng bây giờ, các nhà khoa học đang xử lý các câu hỏi phức tạp như thành phần của vũ trụ đang bắt đầu sử dụng một phiên bản sửa đổi của ‘tiêu chuẩn’ nhận dạng khuôn mặt trong một nỗ lực để khám phá có bao nhiêu vật chất tối trong vũ trụ và nơi nó có thể nằm.

Như Digital Trends và Futurity lưu ý trong các báo cáo của họ về chủ đề này, “các nhà vật lý tin rằng việc hiểu chất bí ẩn này là cần thiết để giải thích các câu hỏi cơ bản về cấu trúc cơ bản của vũ trụ.”

Đó là các nhà nghiên cứu tập hợp trong nhóm Alexandre Refregier tại Viện Vật lý hạt và Thiên văn học tại ETH Zurich, Thụy Sĩ đã bắt đầu sử dụng các phương pháp mạng nơ-ron sâu nằm sau nhận dạng khuôn mặt để phát triển các công cụ mới, đặc biệt để cố gắng khám phá những gì vẫn là một bí mật của vũ trụ đối với chúng ta.

Như Janis Fluri, một trong những nhà nghiên cứu đang làm việc trên dự án, cho Digital Trends biết, “Thuật toán chúng tôi sử dụng rất gần với những gì thường được sử dụng trong nhận dạng khuôn mặt,” thêm rằng“sự đẹp đẽ của Trí tuệ nhân tạo là nó có thể học từ hầu như bất kỳ dữ liệu nào. Trong nhận dạng khuôn mặt, nó học cách nhận ra mắt, miệng và mũi, trong khi chúng tôi đang tìm kiếm các cấu trúc cho chúng tôi những gợi ý về vật chất tối. Sự nhận dạng mẫu này基本 là cốt lõi của thuật toán. Cuối cùng, chúng tôi chỉ điều chỉnh nó để suy ra các tham số vũ trụ học cơ bản.”

Như được giải thích, các nhà khoa học đưa ra giả thuyết rằng vật chất tối chiếm khoảng 27% vũ trụ, vượt trọng lượng vật chất nhìn thấy với tỷ lệ khoảng sáu đến một. Lý thuyết cũng cho rằng vật chất tối mang lại các thiên hà“khối lượng bổ sung cần thiết để không tự phá hủy như một túi giấy tự sát. Đó là thứ thúc đẩy vật chất bình thường dưới dạng bụi và khí để thu thập và lắp ráp thành các ngôi sao và thiên hà.”

Những gì các nhà nghiên cứu đang tìm kiếm là các khu vực xung quanh các cụm thiên hà xuất hiện bị cong. Bằng cách sử dụng kỹ thuật đảo ngược“họ có thể sau đó cô lập nơi họ tin rằng các nồng độ vật chất dày đặc nhất, cả nhìn thấy và vô hình, có thể được tìm thấy.”

Fluri và Tomasz Kacprzak, một nhà nghiên cứu khác trong nhóm, giải thích rằng họ đã đào tạo mạng nơ-ron của mình bằng cách cho nó dữ liệu được tạo bởi máy tính mô phỏng vũ trụ. Việc phân tích lặp đi lặp lại các bản đồ vật chất tối của họ đã mang lại cho họ khả năng trích xuất‘tham số vũ trụ học’ từ hình ảnh thực của bầu trời.

Kết quả họ đạt được bằng cách so sánh chúng với các phương pháp tiêu chuẩn được sử dụng trong quá trình này cho thấy sự cải thiện 30%, dựa trên phân tích thống kê do con người tạo ra. Như Fluri giải thích, “Thuật toán Trí tuệ nhân tạo cần rất nhiều dữ liệu để học trong giai đoạn đào tạo. Điều quan trọng là dữ liệu đào tạo này, trong trường hợp của chúng tôi là mô phỏng, phải chính xác nhất có thể. Nếu không, nó sẽ học các tính năng không có trong dữ liệu thực.”

Sau khi đào tạo mạng, họ đã cho nó các bản đồ vật chất tối thực tế thu được từ tập dữ liệu KiDS-450, được tạo bằng Kính viễn vọng Khảo sát VLT (VST) ở Chile. Tập dữ liệu này bao phủ một khu vực tổng cộng khoảng 2.200 lần kích thước của mặt trăng đầy đủ và chứa hồ sơ của khoảng 15 triệu thiên hà.

Như Futurity giải thích, bằng cách phân tích lặp đi lặp lại các bản đồ vật chất tối, mạng nơ-ron đã tự dạy mình tìm kiếm đúng loại tính năng trong chúng và trích xuất nhiều thông tin mong muốn hơn.“Trong phép tương tự của Facebook, nó trở nên tốt hơn trong việc phân biệt các hình oval ngẫu nhiên với mắt hoặc miệng.”