Фото предоставлено: Скотт Лорд из Pexels
Темная материя — это невидимая сила, которая удерживает Вселенную вместе. По крайней мере, мы так полагаем. Она составляет около 85% всей материи и около 27% содержимого Вселенной. Однако, поскольку мы не можем видеть их напрямую, нам необходимо изучить их гравитационное воздействие на галактики и другие космические структуры. Несмотря на десятилетия исследований, истинная природа темной материи остается одним из самых сложных вопросов науки.
Согласно одной из ведущих теорий, темная материя может быть типом частиц, мало взаимодействующих ни с чем, кроме гравитации. Однако некоторые учёные полагают, что эти частицы могут время от времени взаимодействовать друг с другом — явление, известное как самодействие. Открытие таких взаимодействий дало бы важные подсказки о свойствах темной материи.
Тем не менее, было серьезной проблемой отличить тонкие признаки самодействия темной материи от других космических эффектов, например, вызванных активными ядрами галактик (АЯГ) — сверхмассивными черными дырами в центрах галактик. Обратная связь АЯГ может толкать материю вперед и назад, подобно темной материи, что затрудняет различие этих двух эффектов.
Значительным достижением стало то, что астроном Дэвид Харви из Астрофизической лаборатории EPFL разработал алгоритм глубокого обучения, который может распутать эти сложные сигналы. Исследование было опубликовано в журнале Nature Astronomy.
Их метод, основанный на искусственном интеллекте, направлен на различение эффектов самодействия темной материи и эффектов обратной связи АЯГ путем анализа изображений скоплений галактик – огромных скоплений галактик, удерживаемых вместе гравитацией. Нововведение обещает значительно повысить точность исследований темной материи.
Харви обучил сверточную нейронную сеть (CNN), тип искусственного интеллекта, который особенно хорошо распознает закономерности на изображениях, используя изображения из проекта BAHAMAS SIDM, который моделирует скопления галактик в различных сценариях темной материи и обратной связи AGN. Подав ему тысячи смоделированных изображений скоплений галактик, CNN научилась различать сигналы, вызванные самодействиями с темной материей, и сигналы, вызванные обратной связью АЯГ.
Среди различных протестированных архитектур CNN самая сложная — под названием «Начало» — также оказалась и самой точной. ИИ был обучен на двух основных сценариях темной материи с разными уровнями самодействия и проверен на дополнительных моделях, включая более сложную, зависящую от скорости модель темной материи.
Inception достиг впечатляющей точности 80% в идеальных условиях, эффективно определяя, находятся ли скопления галактик под влиянием самодействующей темной материи или обратной связи AGN. Высокая производительность сохранялась даже тогда, когда исследователи ввели реалистичный шум наблюдения, который имитирует данные, которые мы ожидаем от будущих телескопов, таких как Евклид.
Это означает, что Inception и подход ИИ в целом могут оказаться невероятно полезными для анализа огромных объемов данных, которые мы собираем из космоса. Кроме того, способность ИИ обрабатывать ранее неизвестные данные предполагает, что он адаптируем и надежен, что делает его многообещающим инструментом для будущих исследований темной материи.
Подходы, основанные на искусственном интеллекте, такие как «Начало», 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 быстро и точно их проанализировать, потенциально раскрывая истинную природу темной материи.
Информация от: Федеральной политехнической школой Лозанны.
