Ansigtsgenkendelsesalgoritmer kan bruges til at jage mørkt stof

Kategori: Plads Udsendt 19. sep

Den samme type neurale netværk, der laver ansigtsgenkendelsesværktøjer, bliver nu brugt til at lede efter og karakterisere mørkt stof.

De mørke ting: Vi har aldrig direkte opdaget eller målt mørkt stof, men vi ved, at det eksisterer, fordi vi kan se dets indflydelse på universet. Mange af bevægelserne af forskellige stjerner og galakser kan ikke forklares med tyngdekraften, som det stof, vi kan se, udøver. Noget andet må være på spil.

Alt stof, inklusive mørkt stof, er i stand til let at bøje lysstråler og forårsage svag gravitationslinser i observationerne foretaget af vores teleskoper. Forskere kan bruge disse forvrængninger til at kortlægge de områder af nattehimlen, hvor mørkt stof højst sandsynligt er placeret.

Leder efter kendte ansigter: Et team af forskere fra ETH Zürich i Schweiz trænede en neural netværksmodel (af den type, der ofte bruges til at analysere visuelle billeder) til at lede efter subtile tegn på svag gravitationslinser forårsaget af mørkt stof. Modellen blev trænet ved at blive fodret med simulerede data, der lærte den, hvad videnskabsmænd typisk kigger efter, når de er på jagt efter mørkt stof. Modellen endte med at være 30 % mere nøjagtig end menneskelige videnskabsmænd til at spotte og mærke potentielle tegn på mørkt stof i billeder.

Maskinlæringsmodellen blev derefter brugt til at analysere faktiske kort med mørkt stof oprettet fra European Southern Observatorys Kilo-Degree Survey (KiDS). Resultater rapporteret i Physical Review D i denne uge viser, at modellen var i stand til at analysere kortene i finere detaljer end nuværende metoder, og modellerede den sandsynlige placering af mørkt stof mere skarpt.

Det andet mørke mysterium: Dernæst håber holdet at anvende modellen på andre kosmologiske kort for at lære mere om fordelingen og adfærden af ​​mørk energi, en mystisk kraft, der driver universets udvidelse.