|
ИИ помогает отличить темную материю от космического шума
|
|
|
|
Темная материя — это невидимая сила, удерживающая Вселенную вместе, по крайней мере, мы так думаем. Он составляет около 85% всего вещества и около 27% содержимого Вселенной, но поскольку мы не можем видеть его непосредственно, мы должны изучить его гравитационное воздействие на галактики и другие космические структуры. Несмотря на десятилетия исследований, истинная природа темной материи остается одним из самых трудноразрешимых вопросов науки.
|
|
|
|
Согласно одной из ведущих теорий, темная материя может быть частицей, которая практически не взаимодействует ни с чем другим, кроме как под действием силы тяжести. Но некоторые ученые полагают, что эти частицы могут время от времени взаимодействовать друг с другом - явление, известное как самовзаимодействие. Обнаружение таких взаимодействий дало бы ключ к пониманию свойств темной материи.
|
|
|
|
Однако отличить едва заметные признаки самовзаимодействия темной материи от других космических эффектов, таких как те, которые вызываются активными ядрами галактик (AGN) - сверхмассивными черными дырами в центрах галактик, — было серьезной проблемой. Обратная связь с помощью сверхвысокочастотного излучения может перемещать материю таким же образом, как и воздействие темной материи, что затрудняет различие между ними.
|
|
|
|
Астроном Дэвид Харви из астрофизической лаборатории EPFL разработал алгоритм глубокого обучения, который может распутать эти сложные сигналы. Исследование опубликовано в журнале Nature Astronomy.
|
|
|
Их метод, основанный на искусственном интеллекте, разработан для того, чтобы отличать эффекты самовзаимодействия темной материи от эффектов обратной связи AGN, анализируя изображения скоплений галактик - обширных коллекций галактик, связанных друг с другом гравитацией. Инновация обещает значительно повысить точность исследований темной материи.
|
|
|
|
Харви обучил сверточную нейронную сеть (CNN), тип искусственного интеллекта, который особенно хорош в распознавании паттернов на изображениях, с помощью изображений из проекта БАГАМСКИХ ОСТРОВОВ-SIDM, который моделирует скопления галактик в различных сценариях обратной связи с темной материей и AGN. Получив тысячи смоделированных изображений скоплений галактик, CNN научилась различать сигналы, вызванные самодействием темной материи, и сигналы, вызванные обратной связью AGN.
|
|
|
|
Среди различных протестированных архитектур CNN самая сложная, получившая название "Inception", оказалась также и самой точной. Искусственный интеллект был обучен двум основным сценариям взаимодействия с темной материей, отличающимся различными уровнями самовзаимодействия, и проверен на дополнительных моделях, включая более сложную модель темной материи, зависящую от скорости.
|
|
|
|
Inception достигла впечатляющей точности в 80% в идеальных условиях, эффективно определяя, находятся ли скопления галактик под влиянием самодействующей темной материи или обратной связи AGN. Он сохранил свою высокую производительность даже тогда, когда исследователи ввели реалистичный шум наблюдений, имитирующий данные, которые мы ожидаем от будущих телескопов, таких как Euclid.
|
|
|
|
Это означает, что разработка и подход к ИИ в целом могут оказаться невероятно полезными для анализа огромных объемов данных, которые мы собираем из космоса. Более того, способность ИИ обрабатывать невидимые данные указывает на его адаптивность и надежность, что делает его многообещающим инструментом для будущих исследований темной материи.
|
|
|
|
Подходы, основанные на искусственном интеллекте, такие как Inception, могут существенно повлиять на наше понимание того, что на самом деле представляет собой темная материя. Поскольку новые телескопы собирают беспрецедентные объемы данных, этот метод поможет ученым анализировать их быстро и точно, потенциально раскрывая истинную природу темной материи.
|
|
|
|
Источник
|
