AI upptäcker signaler från mörk materia i kosmiskt kaos med 80% noggrannhet

StockholmAstronomer har varit förbryllade av den mörka materien, som utgör ungefär 85% av materien i universum. Trots att den är så omfattande är mörk materia osynlig och bara känd genom sina gravitationseffekter. Forskare studerar ofta mörk materia genom att observera hur galaxer och andra kosmiska strukturer beter sig, vilket har visat sig vara svårt. En utmaning är att skilja mörk materia från det kosmiska bruset som skapas av aktiva galaxkärnor (AGN) i center av galaxer.

David Harvey vid EPFL:s Laboratorium för Astrofysik har använt en djupinlärningsalgoritm för att göra ett stort framsteg inom forskningen. Det nya verktyget kan skilja mellan interaktioner av mörk materia och AGN-feedback. Detta arbete kommer att förbättra noggrannheten i studier av mörk materia. Några viktiga delar av denna utveckling är följande:

Harveys AI-baserade metod använder ett konvolutionellt neuralt nätverk (CNN) som har tränats på bilder av galaxkluster. CNN-modellen matades med tusentals simulerade bilder från BAHAMAS-SIDM-projektet. 'Inception'-arkitekturen för CNN uppnådde den högsta noggrannheten på 80 %, även under realistiska brusförhållanden.

Inception-modellen kan avsevärt förbättra astrofysiken. Den har kapacitet att hantera stora datamängder från framtida teleskop som Euclid. Denna djupinlärningsmetod hjälper astronomer att snabbt och noggrant analysera omfattande dataset för att upptäcka subtila tecken på att mörk materia interagerar med sig själv.

AI har en stor fördel: det kan lära och anpassa sig med ny data. När vi samlar in mer information, förbättras det ständigt, vilket gör det till ett viktigt verktyg för nya upptäckter. Denna förmåga att lära sig säkerställer att AI förblir användbar i takt med att vi lär oss mer om universum.

Läs också:

Igår · 15:27

USA dominerar AI-innovation, lämnar Kina bakom i Stanford-rankning

Denna teknik kan göra mer än att bara hjälpa till med forskning om mörk materia. Den kan också hjälpa forskare att skilja mellan olika kosmiska händelser, vilket leder till bättre modeller av universum. Detta innebär att vi kan göra mer exakta förutsägelser om hur galaxer och andra kosmiska strukturer beter sig, vilket ger oss en bättre förståelse för de grundläggande krafter som styr universum.

AI-metoder som Inception demonstrerar vikten av att astronomer och datavetare samarbetar. Genom att förena sina kunskaper skapas nya forskningsmöjligheter och kraftfulla verktyg för att besvara stora vetenskapliga frågor.

Harveys arbete med Inception-modellen visar att AI kan lösa svåra problem som traditionella metoder inte kan hantera. När nya teleskop samlar in mer data än någonsin tidigare, kommer AI:s roll inom astrofysik att fortsätta växa och hjälpa oss att lära oss mer om universum.

AI:s förmåga att urskilja signaler från mörk materia i det kosmiska bruset är ett stort framsteg inom astrofysik. Detta hjälper oss att få en bättre förståelse för mörk materia, ett av universums mest gåtfulla element.