İlginizi Çekebilir
  1. Ana Sayfa
  2. Bilim
  3. Yapay zeka evrendeki karanlık maddeyi araştırıyor

Yapay zeka evrendeki karanlık maddeyi araştırıyor

61-artificialin
Abone Ol

ETH Zürih’teki bir fizikçi ve bilgisayar bilimcisi ekibi, evrendeki karanlık madde ve karanlık enerji sorununa yeni bir yaklaşım geliştirmiştir. Makine öğrenme araçlarını kullanarak, bilgisayarları kendilerine evrenin haritalarından ilgili bilginin nasıl çıkarılacağını öğretmek için programladılar.

Evrenimizin bugünkü haline nasıl geldiğini ve nihai kaderi ne olacağını anlamak bilimdeki en büyük zorluklardan biridir. Net bir gecede sayısız yıldızın hayranlık uyandıran görüntüsü bize sorunun büyüklüğü hakkında biraz fikir veriyor, ancak bu hikayenin sadece bir kısmı. Daha derin bilmece göremediklerimizde yatıyor, en azından doğrudan değil: karanlık madde ve karanlık enerji. Evreni bir araya toplayan karanlık madde ve karanlık enerjinin daha hızlı genişlemesine neden olan kozmologlar, modellerini geliştirmek için bu ikisinin ne kadarının orada olduğunu tam olarak bilmek zorundadır.

ETH Zürih’te, Fizik Bölümü ve Bilgisayar Bilimleri Bölümü’nden bilim adamları, yapay zeka yoluyla evrenin karanlık madde içeriğini tahmin etmek için standart yöntemler geliştirmek için güçlerini birleştirdiler. Facebook ve diğer sosyal medya tarafından yüz tanıma için kullanılanlarla çok ortak olan kozmolojik veri analizi için son teknoloji öğrenme algoritmaları kullandılar. Elde ettiği sonuçlar yakın zamanda Physical Review D adlı bilimsel dergide yayınlandı .

İLGİNİZİ ÇEKEBİLİR  Koronavirüs (Covid-19): Binlerce kişinin ölümüne neden olan salgının kaynağı ne?

Kozmoloji için yüz tanıma

Gece gökyüzünün çekilmiş resimlerinde tanınacak yüzler olmasa da, kozmologlar, Parçacık Fiziği ve Astrofizik Enstitüsü’ndeki Alexandre Refregier grubundaki bir araştırmacı olan Tomasz Kacprzak’ın şöyle açıkladığını söylüyor: “Facebook kullanıyor görüntülerde göz, ağız veya kulak bulma algoritmaları, biz kendimizi karanlık madde ve karanlık enerjinin anlatı belirtilerine bakmak için kullanıyoruz. ” Karanlık madde doğrudan teleskop görüntülerinde görülemediğinden, fizikçiler, karanlık çeşitlilik de dahil olmak üzere tüm maddelerin Dünya’ya uzak galaksilerden gelen ışık ışınlarının yolunu hafifçe büktüğüne güvenirler. “Zayıf yerçekimi merceklemesi” olarak bilinen bu etki, bu galaksilerin görüntülerini çok ince bir şekilde bozar,

Kozmologlar bu çarpıklığı geriye doğru çalışmak ve karanlık maddenin nerede olduğunu gösteren gökyüzünün kütle haritalarını oluşturmak için kullanabilirler. Daha sonra, hangi kozmolojik modelin verilere en uygun olduğunu bulmak için bu karanlık madde haritalarını teorik tahminlerle karşılaştırırlar. Geleneksel olarak, bu, haritaların farklı bölümlerinin birbirleriyle nasıl ilişkili olduğunu açıklayan korelasyon fonksiyonları denilen insan tarafından tasarlanan istatistikler kullanılarak yapılır. Bununla birlikte, bu istatistikler, madde haritalarında karmaşık kalıpları ne kadar iyi bulabilecekleri ile sınırlıdır.

İLGİNİZİ ÇEKEBİLİR  Cerebras Yapay Zeka İşlemlerini Hızlandırmak İçin Büyük Çip'i Piyasaya Sürüyor
Yapay zeka evrendeki karanlık maddeyi araştırıyor
Sinir ağı eğitildikten sonra, kozmolojik parametreleri gece gökyüzünün gerçek görüntülerinden çıkarmak için kullanılabilir.

Yapay sinir ağları kendilerini öğretir

Alexandre Refregier, “Son çalışmalarımızda tamamen yeni bir metodoloji kullandık” diyor. “Uygun istatistiksel analizi kendimiz yapmak yerine, bilgisayarların işi yapmasına izin veriyoruz.” Burası Aurelien Lucchi ve Bilgisayar Bilimi Bölümü’ndeki Veri Analitiği Laboratuvarı’ndaki meslektaşlarının devreye girdiği yerdir. Refregier’in grubundaki öğrenci ve çalışmanın baş yazarı, derin yapay sinir ağları denilen makine öğrenme algoritmaları kullandılar ve onlara karanlık madde haritalarından mümkün olan en büyük miktarda bilgiyi çıkarmayı öğrettiler.

İlk adımda, bilim adamları sinir ağlarını, onları evreni simüle eden bilgisayar tarafından üretilen verileri besleyerek eğitmişlerdir. Böylece, kozmolojik bir parametrenin doğru cevabının, örneğin toplam karanlık madde miktarı ile karanlık enerji arasındaki oranın, simüle edilen her karanlık madde haritası için ne olması gerektiğini biliyorlardı. Sinir ağı, karanlık madde haritalarını tekrar tekrar analiz ederek, içlerinde doğru özelliklerin aranmasını ve daha fazla ve istenen bilginin daha fazlasını elde etmeyi öğretti. 

İnsan yapımı analizden daha doğru

Bu eğitimin sonuçları cesaret vericiydi: sinir ağları, insan yapımı istatistiksel analize dayalı geleneksel yöntemlerle elde edilenlerden% 30 daha doğru değerler ortaya koydu. Kozmologlar için bu, teleskop görüntülerinin sayısını artırarak aynı kesinliğe ulaşma konusunda büyük bir gelişmedir, iki kat daha fazla gözlem süresi gerektirir – ki bu pahalıdır.

İLGİNİZİ ÇEKEBİLİR  Facebook, Twitter ve Google, derin sahtekarların sizi kandırmasını önlemek için nasıl çalışıyor?

Sonunda, bilim adamları KiDS-450 veri setinden gerçek karanlık madde haritalarını analiz etmek için tamamen eğitilmiş sinir ağlarını kullandılar . Fluri, “Bu tür makine öğrenme araçları bu bağlamda ilk defa kullanılıyor” diyor Fluri, ”ve derin yapay sinir ağının verilerden önceki yaklaşımlardan daha fazla bilgi çıkarmamızı sağladığını gördük. Kozmolojideki makine öğrenmesinin gelecekteki birçok uygulaması olacaktır. ”

Bir sonraki adım olarak, kendisi ve meslektaşları yöntemlerini Karanlık Enerji Araştırması gibi daha büyük görüntü kümelerine uygulamayı planlıyorlar. Ayrıca, karanlık enerjinin doğası hakkındaki ayrıntılar gibi daha kozmolojik parametreler ve iyileştirmeler sinir ağlarına beslenecektir.

Yorum Yap