Ученые из Швейцарской высшей технической школы Цюриха улучшили стандартные методы оценки содержания темной материи во вселенной с помощью искусственного интеллекта. Они использовали передовые алгоритмы машинного обучения для анализа космологических данных, которые имеют много общего с алгоритмами распознавания лиц. Результаты недавно были опубликованы в научном журнале Physical Review D.
Поскольку темная материя не может быть видна непосредственно на изображениях телескопа, физики полагаются на тот факт, что вся материя, включая темное разнообразие, слегка изгибает путь световых лучей, прибывающих на Землю из далеких галактик. Этот эффект, известный как «слабое гравитационное линзирование», искажает изображения этих галактик.
Космологи могут использовать это искажение, чтобы создавать карты распределения материи, показывающие, где находится темная материя. Затем они сравнивают эти карты темной материи с теоретическими предсказаниями, чтобы определить, какая космологическая модель наиболее точно соответствует данным.
На первом этапе ученые обучили нейронные сети, предоставляя им компьютерные данные, которые моделируют вселенную. Таким образом, они знали, каким должен быть правильный ответ для данного космологического параметра - например, отношения между общим количеством темной материи и темной энергии - для каждой моделируемой карты темной материи. Постоянно анализируя карты темной материи, нейронная сеть научилась искать в них нужные функции и извлекать все больше и больше нужной информации.
Результаты этого обучения были обнадеживающими: нейронные сети получили значения, которые были на 30% более точными, чем те, которые были получены традиционными методами, основанными на статистическом анализе, сделанном человеком. Для космологов это огромное улучшение, так как достижение такой же точности за счет увеличения числа изображений с телескопа потребовало бы вдвое большего времени наблюдения - что дорого.
