Новый алгоритм искусственного интеллекта помогает астрономам различать тёмную материю и космические эффекты

Учёные добились значительного прогресса в изучении тёмной материи — «невидимой силы», которая составляет около 85% всей материи во Вселенной. Астроном Дэвид Харви из Лаборатории астрофизики EPFL разработал алгоритм глубокого обучения, способный различать тончайшие признаки самовзаимодействий тёмной материи и обратные эффекты активных галактических ядер (AGN).

Тёмная материя остаётся одной из самых загадочных сущностей в науке, несмотря на годы исследований. Согласно ведущей гипотезе, тёмная материя может представлять собой частицы, которые почти не взаимодействуют ни с чем, кроме гравитации. Однако некоторые учёные считают, что эти частицы могут иногда взаимодействовать друг с другом, что известно как самовзаимодействие.

Обнаружение таких взаимодействий может дать ценные сведения о свойствах тёмной материи, но различение этих сигналов от других космических явлений, таких как вызванные AGN, представляет собой серьёзную задачу. Обратная связь AGN может воздействовать на материю так, что её эффекты напоминают влияние тёмной материи, усложняя их различение.

Алгоритм Харви, получивший название Inception, использует свёрточную нейронную сеть (CNN) для анализа изображений галактических скоплений и выявления эффектов самовзаимодействий тёмной материи и обратных эффектов AGN. Обученный на тысячах смоделированных изображений галактических скоплений, Inception достиг точности в 80% при оптимальных условиях.

Этот метод, основанный на искусственном интеллекте, может оказаться чрезвычайно полезным для анализа больших объёмов данных, собираемых космическими миссиями. Более того, способность ИИ обрабатывать сложные данные свидетельствует о его гибкости и надёжности, что делает его перспективным инструментом для будущих исследований тёмной материи.

«Подходы, основанные на ИИ, такие как Inception, могут кардинально изменить наше понимание тёмной материи. С новыми телескопами, собирающими беспрецедентные объёмы данных, этот метод позволит учёным быстро и точно анализировать информацию, потенциально раскрывая истинную природу тёмной материи», — отметил Дэвид Харви.

 

Источник: iXBT