Искусственный интеллект успешно анализирует гравитационные линзы
Москва, 12:26, 01 Сен 2017, редакция FTimes.ru, автор Сергей Кузнецов.
Исследователи из Национальной лаборатории ускорителей SLAC и Стэнфордского университета впервые показали, что нейронные сети — форма искусственного интеллекта — могут точно анализировать сложные искажения в пространстве-времени, известные как гравитационные линзы, в 10 миллионов раз быстрее, чем традиционные методы.
Молниеносный быстрый комплексный анализ
Команда ученых использовала нейронные сети для анализа изображений сильного гравитационного линзирования, где изображение далекой галактики искажается на кольца и дуги от гравитации массивного объекта в виде скопления галактик, который ближе к нам. Искажения дают важные сведения о том, как распределяется масса в пространстве и как меняется это распределение с течением времени — свойства, связанные с невидимой темной материей, составляющей 85% всей материи во Вселенной и темную энергию, которая ускоряет расширение Вселенной.
До сих пор этот тип анализа был утомительным процессом, который включал сравнение реальных изображений линз с большим количеством компьютерных симуляций математических моделей линзирования. Это может занять от нескольких недель до нескольких месяцев для одного объектива.
Но с нейронными сетями исследователи смогли сделать тот же анализ за несколько секунд, что они и продемонстрировали с помощью реальных изображений с космического телескопа Hubble.
Чтобы обучить нейронные сети тому, что нужно искать, исследователи показали им около полумиллиона симулированных изображений гравитационных линз. После обучения сети были способны анализировать новые линзы почти мгновенно с точностью, сравнимой с традиционными методами анализа. Эти сети могут также определять неопределенность анализов астрономов.
Способность обрабатывать большие объемы данных в будущем
Способность просеивать большие объемы данных и выполнять сложные анализы очень быстро и полностью автоматизированно может трансформировать астрофизику ля будущих исследований неба, которые будут глубже проникать во Вселенную, создавая больше данных, чем когда-либо.
Например, большой синоптический телескоп (LSST), чья 3,2-гигапиксельная камера в настоящее время строится на SLAC, предоставит беспрецедентные виды на Вселенную и, как ожидается, увеличит количество известных сильных гравитационных линз от нынешних нескольких сотен до до десятков тысяч.
Революционный подход
Нейронные сети вдохновлены архитектурой человеческого мозга, в которой плотная сеть нейронов быстро обрабатывает и анализирует информацию.
В искусственной версии «нейроны» представляют собой единые вычислительные единицы, которые связаны с пикселями анализируемого изображения. Нейроны организованы в слои, вплоть до сотен слоев. Каждый слой ищет объекты в изображении. Как только первый уровень обнаружил определенную функцию, он передает информацию на следующий уровень, который затем ищет другую функцию внутри этой функции и т. д.
«Удивительно то, что нейронные сети сами изучают, какие функции нужно искать», — сказал ученый Фил Маршалл. «Это сопоставимо с тем, как маленькие дети учатся распознавать объекты. Вы не говорите им точно, что такое собака, вы просто показываете им фотографии собак. Нейронные сети не только выбрали бы фотографии собак из кучи фотографий, но и вернули информацию о весе, высоте и возрасте собак».
