AI coraz częściej znajduje zastosowanie w rozwiązywaniu zagadek współczesnej nauki. Szczególnie mocno interesuje nas ciemna materia – coś, co stanowi aż 85% całej materii we wszechświecie, a jednocześnie pozostaje niewidzialne dla naszych instrumentów. Niedawno opracowany algorytm autorstwa Davida Harveya z Ecole Polytechnique Fédérale w Lozannie, ma na celu przyspieszenie procesu odkrywania charakterystycznych śladów ciemnej materii, przeszukując obrazy gromad galaktyk.
Według obecnie przyjętych modeli kosmologicznych każda galaktyka oraz gromady galaktyk otoczone są halo ciemnej materii. To właśnie one wpływają na zakrzywienie przestrzeni, co prowadzi do powstawania tzw. soczewek grawitacyjnych – zjawisk, które akurat możemy zaobserwować. Jednak nadal nie wiemy, czym dokładnie jest ciemna materia, ponieważ nie oddziałuje z normalną materią w sposób inny niż poprzez grawitację. Pewne teorie sugerują, że cząstki ciemnej materii mogą oddziaływać między sobą, a intensywność tych interakcji nie jest stała.
Zderzenia gromad galaktyk, które zawierają zarówno galaktyki, gorący gaz, jak i ciemną materię, są kluczowe dla określenia natury tej zagadkowej substancji. W trakcie kolizji galaktyki mogą dosłownie "przelatywać" przez siebie, unikając zderzeń dzięki ogromnym odległościom między gwiazdami. Natomiast ciemna materia zachowuje się w różny sposób w zależności od swojego "przekroju interakcji". Jeśli jej wartość jest wysoka, cząstki ciemnej materii oddziałują ze sobą, co prowadzi do ich spowolnienia i oddzielenia od galaktyk. Z kolei jeśli wartość ta jest niska lub zerowa, halo ciemnej materii pozostaje razem z galaktykami.
Jednym z problemów przy badaniu takich zderzeń jest to, że możemy obserwować je jedynie w formie statycznych migawkowych obrazów. Kolizje te rozgrywają się na przestrzeni milionów lat i są obserwowane pod różnymi kątami, co utrudnia interpretację. Dodatkowo, na procesy te wpływają aktywne czarne dziury w niektórych galaktykach, które wypychają materię z galaktyki, co czasem może mylić się z obecnością ciemnej materii.
Aby lepiej to zbadać, Harvey stworzył algorytm głębokiego uczenia, oparty na symulacjach zderzeń gromad galaktyk. Program oparty na konwolucyjnych sieciach neuronowych analizuje obrazy zderzeń, próbując określić wartość przekroju interakcji ciemnej materii. Najbardziej zaawansowana wersja algorytmu — "Inception" — osiągnęła imponującą skuteczność w klasyfikacji symulowanych zderzeń: na poziomie 80%.
Obserwacje z Hubble'a, czy Euclid dają nam dostęp do istotnych danych, które Inception może wykorzystać do bardziej precyzyjnych analiz. W miarę postępu AI oraz rozwijania się możliwości obserwacji Wszechświata mamy szansę zbliżyć się do rozwiązania jednej z największych zagadek współczesnej nauki – natury ciemnej materii. Funkcjonuje jako teoria — dodatkowo szeroko uznawana przez badaczy. Ale... dalej nie wiemy, czy rzeczywiście istnieje.
Hej, jesteśmy na Google News - Obserwuj to, co ważne w techu
