Исследователи добились значительного прогресса в изучении тёмной материи — «невидимой силы», составляющей примерно 85 % всей материи во Вселенной. Астроном Дэвид Харви из Лаборатории астрофизики EPFL разработал метод глубокого обучения, способный распознавать тонкие особенности самовзаимодействия тёмной материи и воздействия обратной связи активных галактических ядер (AGN).
Тёмная материя — одна из самых загадочных тайн науки, и её подлинная природа остаётся неизвестной, несмотря на многолетние исследования. Согласно основной гипотезе, тёмная материя может быть разновидностью частиц, слабо взаимодействующих с другими объектами, кроме гравитации. Однако некоторые учёные предполагают, что эти частицы способны иногда взаимодействовать друг с другом — явление, называемое самовзаимодействием.
Обнаружение таких взаимодействий может предоставить ценные сведения о характеристиках тёмной материи, но определение этих сигналов среди других космических явлений, например, вызванных AGN, было сложной задачей. Влияние обратной связи AGN на материю похоже на воздействие тёмной материи, что затрудняет разграничение этих двух феноменов. Алгоритм Харви, названный Inception, применяет свёрточную нейросеть (CNN) для изучения изображений скоплений галактик и различения эффектов самовзаимодействия тёмной материи и обратной связи AGN. Inception обучался на тысячах смоделированных изображений скоплений галактик и продемонстрировал высокую точность в 80% в идеальных условиях.
Подход, основанный на искусственном интеллекте, может быть очень полезен для анализа огромного количества данных, собранных космическими миссиями. Более того, способность ИИ обрабатывать сложные данные указывает на его адаптивность и надёжность, что делает его перспективным инструментом для будущих исследований тёмной материи.
Дэвид Харви отметил, что методы на основе ИИ, такие как Inception, могут существенно повлиять на наше понимание тёмной материи. Учитывая, что новые телескопы собирают беспрецедентно большой объём данных, этот метод поможет учёным быстро и точно их обработать, потенциально раскрывая истинную природу тёмной материи.
По материалам:
ixbt
