Прорыв в исследовании тёмной материи с помощью ИИ

Учёные использовали алгоритм глубокого обучения для выявления уникальных признаков тёмной материи.

👁️ 42
Фото: Scott Lord from Pexels

Важное открытие в области астрономии было сделано благодаря работе учёного Дэвида Харви из Лаборатории астрофизики EPFL. Он разработал алгоритм глубокого обучения, который способен различать тонкие признаки самовзаимодействий тёмной материи и эффекты обратной связи активных галактических ядер (AGN).

Тёмная материя представляет собой одну из самых неразгаданных тайн науки, составляя около 85% всей материи во Вселенной. На протяжении десятилетий учёные пытались понять её истинную природу, но многое остается неизвестным. Согласно ведущей теории, тёмная материя может состоять из частиц, которые слабо взаимодействуют с обычной материей, за исключением гравитационных взаимодействий. Однако часть научного сообщества предполагает, что эти частицы могут время от времени проявлять самовзаимодействия.

Обнаружение самовзаимодействий тёмной материи имеет важное значение для понимания её свойств. Однако задача отличается сложностью, поскольку сигналы самовзаимодействий легко спутать с эффектами, вызванными AGN, которые также могут воздействовать на материю различными способами.

Созданный Харви алгоритм, названный Inception, использует свёрточную нейронную сеть (CNN) для анализа изображений скоплений галактик. Алгоритм способен различать эффекты самовзаимодействий тёмной материи и обратной связи AGN. Inception был обучен на тысячах смоделированных изображений, достигая точности в 80% при идеальных условиях.

Использование искусственного интеллекта в этом исследовании может значительно ускорить анализ объёмных данных, собираемых космическими миссиями. Кроме того, способность ИИ выявлять неочевидные данные делает его надёжным и адаптивным инструментом для будущих исследований тёмной материи.

«Подходы на основе ИИ, такие как Inception, могут существенно повлиять на наше понимание того, что такое тёмная материя. Поскольку новые телескопы собирают беспрецедентные объёмы данных, этот метод поможет учёным быстро и точно их "просеять", потенциально раскрывая истинную природу тёмной материи»
— Дэвид Харви