AI detecteert duisteremateriesignalen te midden van kosmische chaos met Inception-algoritme

AmsterdamAstronomen staan voor raadsels door donkere materie, die ongeveer 85% van de materie in het heelal uitmaakt. Ondanks zijn overvloed is donkere materie onzichtbaar en wordt het alleen gedetecteerd door zijn zwaartekrachteffecten. Wetenschappers bestuderen donkere materie meestal door te kijken naar het gedrag van sterrenstelsels en andere kosmische structuren, maar dit is lastig. Een van de problemen is het onderscheiden van donkere materie en de kosmische ruis die ontstaat door actieve galactische kernen (AGN) in het centrum van sterrenstelsels.

David Harvey van het EPFL's Laboratorium voor Astrofysica heeft een groot onderzoeksvoordeel behaald met behulp van een diep-lerende algoritme. Met deze nieuwe tool kunnen wetenschappers beter onderscheiden tussen interacties van donkere materie en AGN-feedback. Deze doorbraak zal de nauwkeurigheid van studies naar donkere materie verbeteren. Enkele cruciale onderdelen van deze ontwikkeling zijn:

• Harvey's AI-methodiek maakt gebruik van een Convolutional Neural Network (CNN) dat is getraind met afbeeldingen van sterrenstelsels.
• Het CNN-model werd voorzien van duizenden gesimuleerde afbeeldingen uit het BAHAMAS-SIDM-project.
• De 'Inception' CNN-architectuur behaalde de hoogste nauwkeurigheid van 80%, zelfs onder realistische ruisomstandigheden.

Het Inception-model kan een grote vooruitgang betekenen voor de astrofysica. Het is in staat om enorme hoeveelheden data van toekomstige telescopen zoals Euclid te verwerken. Dankzij deze deep-learning methode kunnen astronomen snel en nauwkeurig grote datasets analyseren om subtiele signalen van zelf-interacterende donkere materie te ontdekken.

AI biedt een groot voordeel: het kan leren en zich aanpassen aan nieuwe gegevens. Naarmate we meer informatie verzamelen, verbetert het voortdurend, wat het een essentieel hulpmiddel maakt voor nieuwe ontdekkingen. Deze leercapaciteit zorgt ervoor dat AI nuttig blijft terwijl we onze kennis van het universum uitbreiden.

Deze technologie biedt niet alleen voordelen voor het onderzoek naar donkere materie, maar helpt wetenschappers ook bij het onderscheiden van verschillende kosmische gebeurtenissen. Hierdoor kunnen betere modellen van het universum worden ontwikkeld. Dit leidt tot nauwkeurigere voorspellingen over het gedrag van sterrenstelsels en andere kosmische structuren, wat ons een dieper begrip geeft van de fundamentele krachten die het universum beheersen.

AI-methoden zoals Inception benadrukken het belang van samenwerking tussen astronomen en computerwetenschappers. Door hun talenten te combineren ontstaan er nieuwe onderzoeksmogelijkheden en krachtige hulpmiddelen om grote wetenschappelijke vragen te beantwoorden.

Harvey's onderzoek met het Inception-model laat zien dat AI in staat is om complexe problemen op te lossen waar traditionele methoden tekortschieten. Nu nieuwe telescopen meer data verzamelen dan ooit tevoren, zal de rol van AI in de astrofysica blijven groeien, waardoor we meer kunnen leren over het universum.

De mogelijkheid van AI om signalen van donkere materie te onderscheiden van kosmische ruis vormt een belangrijke doorbraak in de astrofysica. Dit helpt ons om donkere materie, een van de meest mysterieuze componenten van het universum, beter te begrijpen.