Искусственный интеллект исследует тайну темной материи

Москва, 11:03, 20 Сен 2019, редакция FTimes.ru, автор Сергей Кузнецов.

Исследователи разрабатывают альтернативный метод оценки темной материи и темной энергии во Вселенной. Это основано на инструментах машинного обучения, где компьютеры могут научиться извлекать необходимую информацию из карт Вселенной.

Новый подход придуман в ETH Zurich, и конечной целью является получение знаний о том, как возникла Вселенная и какова ее конечная судьба. Чтобы начать решать эту сложную проблему, нужно понять тайну темной материи и темной энергии. Темная материя — это сила, которая объединяет Вселенную, в то время как темная энергия — это сила, которая, кажется, разрывает ее на части. Первым шагом, на котором сосредоточен проект, является понимание того, чего и сколько существует в космическом пространстве.

Темная материя

Темная материя — это тип материи, составляющий четверть всей плотности энергии Вселенной. Вероятно, большая часть темной материи состоит из еще не обнаруженных субатомных частиц. В отличие от обычной материи, темная материя не взаимодействует с электромагнитной силой. Это означает, что он не поглощает, не отражает и не излучает свет, что делает ее чрезвычайно сложной для обнаружения.

Темная материя никогда не наблюдалась напрямую. Его вероятное существование объясняет серию удивительных астрономических наблюдений.

Новая технология

Новая технология, основанная на машинном обучении, имеет много общего с технологией распознавания лиц. Вместо того, чтобы исследовать человеческие лица, технология ищет признаки, которые могут предполагать присутствие темной материи и темной энергии, основываясь на картах Вселенной. Примером является изгиб пути световых лучей, прибывающих на Землю из далеких галактик (явление, называемое слабой гравитационной линзой). Используя искажения, космологи могут работать в обратном направлении и разрабатывать карты массы неба, показывающие, где находится темная материя.

Вот где ИИ приходит на помощь. ИИ выполняет задачу с повышенной точностью и с удвоенной скоростью. По словам ведущего исследователя Александра Рефрегье:

«Вместо того, чтобы сами изобретать соответствующий статистический анализ, мы позволяем компьютерам делать свою работу».

Исследование было опубликовано в журнале Physical Review D с исследовательской работой под названием «Космологические ограничения с глубоким обучением на картах слабого линзирования KiDS-450».