Искусственный интеллект на службе астрономии: новый алгоритм глубокого обучения помогает различать тёмную материю и другие космические эффекты
Изображение: Scott Lord from Pexels
Учёные разработали алгоритм, который может различать тонкие признаки самовзаимодействий тёмной материи и эффекты обратной связи активных галактических ядер.
Обнаружение таких взаимодействий может дать важные подсказки о свойствах тёмной материи, но различение этих сигналов от других космических эффектов, таких как вызванные AGN, было серьёзной проблемой. Обратная связь AGN может воздействовать на материю способами, которые похожи на эффекты тёмной материи, что затрудняет различение этих двух явлений.
Алгоритм Харви, названный Inception, использует свёрточную нейронную сеть (CNN) для анализа изображений скоплений галактик и различения эффектов самовзаимодействий тёмной материи и эффектов обратной связи AGN. Inception был обучен на тысячах смоделированных изображений скоплений галактик и достиг впечатляющей точности в 80% при идеальных условиях.
Этот подход на основе искусственного интеллекта может оказаться невероятно полезным для анализа огромных объёмов данных, которые собирают космические миссии. Более того, способность ИИ обрабатывать неочевидные данные указывает на то, что он адаптивен и надёжен, что делает его многообещающим инструментом для будущих исследований тёмной материи.
«Подходы на основе ИИ, такие как Inception, могут существенно повлиять на наше понимание того, что такое тёмная материя. Поскольку новые телескопы собирают беспрецедентные объёмы данных, этот метод поможет учёным быстро и точно их „просеять“, потенциально раскрывая истинную природу тёмной материи», — прокомментировал Дэвид Харви.