Materia întunecată este forța invizibilă care ține Universul unit – sau cel puțin așa credem noi. Ea reprezintă aproximativ 85% din toată materia și aproximativ 27% din conținutul Universului, dar, deoarece nu o putem vedea direct, trebuie să studiem efectele sale gravitaționale asupra galaxiilor și a altor structuri cosmice. În ciuda deceniilor de cercetare, adevărata natură a materiei întunecate rămâne una dintre cele mai evazive întrebări ale științei.
Conform unei teorii de vârf, materia întunecată ar putea fi un tip de particulă care abia interacționează cu orice altceva, cu excepția gravitației.
Dar unii oameni de știință cred că aceste particule ar putea interacționa ocazional între ele, un fenomen cunoscut sub numele de auto-interacțiune. Detectarea unor astfel de interacțiuni ar oferi indicii cruciale despre proprietățile materiei întunecate.
Cu toate acestea, distingerea semnelor subtile ale autointeracțiunilor materiei întunecate de alte efecte cosmice, precum cele cauzate de nucleele galactice active (AGN) – găurile negre supermasive din centrul galaxiilor – a reprezentat o provocare majoră.
Feedback-ul AGN poate împinge materia în moduri similare cu efectele materiei întunecate, făcând dificilă diferențierea celor două.
Într-un pas înainte semnificativ, astronomul David Harvey de la Laboratorul de Astrofizică al EPFL a dezvoltat un algoritm de învățare profundă care poate descâlci aceste semnale complexe.
Metoda lor bazată pe inteligență artificială este concepută pentru a face diferența între efectele autointeracțiunilor materiei întunecate și cele ale feedback-ului AGN prin analizarea imaginilor de roiuri de galaxii – colecții vaste de galaxii legate între ele prin gravitație. Inovația promite să sporească considerabil precizia studiilor privind materia întunecată.
Harvey a antrenat o rețea neuronală convoluțională (CNN) – un tip de inteligență artificială care este deosebit de bună la recunoașterea modelelor în imagini – cu imagini din proiectul BAHAMAS-SIDM, care modelează roiuri de galaxii în diferite scenarii de materie întunecată și feedback AGN.
Fiind alimentat cu mii de imagini simulate ale roiurilor de galaxii, CNN-ul a învățat să facă distincția între semnalele cauzate de autointeracțiunile materiei întunecate și cele cauzate de reacțiile AGN.
Dintre diferitele arhitecturi CNN testate, cea mai complexă – supranumită „Inception” – s-a dovedit a fi și cea mai precisă. Inteligența artificială a fost antrenată pe două scenarii principale privind materia întunecată, care prezintă niveluri diferite de autointeracțiune, și a fost validată pe modele suplimentare, inclusiv pe un model de materie întunecată mai complex, dependent de viteză.
Inception a obținut o precizie impresionantă de 80% în condiții ideale, identificând în mod eficient dacă roiurile de galaxii au fost influențate de materia întunecată care interacționează singură sau de feedback-ul AGN. Inception și-a menținut performanțele ridicate chiar și atunci când cercetătorii au introdus zgomote observaționale realiste care imită tipul de date pe care le așteptăm de la viitoarele telescoape precum Euclid, scrie EurekAlert.
Acest lucru înseamnă că Inception – și, în general, abordarea AI – s-ar putea dovedi incredibil de utilă pentru analizarea cantităților masive de date pe care le colectăm din spațiu. În plus, capacitatea de a gestiona date nevăzute indică faptul că este adaptabilă și fiabilă, ceea ce o face un instrument promițător pentru cercetarea viitoare a materiei întunecate.
Prima clasă în care Inteligența Artificială înlocuiește profesorii umani
A fost creată Inteligența Artificială care traduce vocea pe video în mai multe limbi
Un proiect de lege va reglementa Inteligența Artificială. Cum vor reacționa giganții IT?