ETH Zürih’teki (Avrupa’nın en iyi teknik okullarından biri) bir fizik ve bilgisayar bilimi ekibi, evrendeki karanlık madde ve karanlık enerji sorununa yeni bir yaklaşım geliştirdiler.
Ekip makina öğrenim araçlarını kullanarak bilgisayarları evrenin haritalarından, ilişkili bilgilerin nasıl sağlandığını öğretmek için programladı.
İlgili: Karanlık Madde Nedir
Evrenimizin bugünkü haline nasıl geldiğini ve nihai kaderi ne olacağını anlamak bilimdeki en büyük zorluklardan biridir.
Gökyüzünün açık olduğu ve yıldızların net göründüğü bir gecede sayısız yıldızın hayranlık uyandıran görüntüsü bize sorunun büyüklüğü hakkında biraz da olsa fikir veriyor, ancak bu hikâyenin sadece bir kısmı.
Asıl bilmece ise ‘’göremediklerimizde’’ yatıyor; karanlık madde ve karanlık enerji. Evreni bir araya toplayan karanlık madde ve karanlık enerjinin daha hızlı genişlemesine neden olduğunu düşünen kozmologlar, modellerini geliştirmek için bu ikisinin ne kadar bulunduğunu tam olarak bilmek zorundalar.
ETH Zürih’te, Fizik Bölümü ve Bilgisayar Bilimleri Bölümü ‘nden bilim insanları, yapay zeka yoluyla evrenin karanlık madde içeriğini tahmin etmek için güçlerini birleştirdiler.
Veri analizi için Facebook ve diğer sosyal medya tarafından yüz tanımaları için kullanılan yazılımlarla çok ortak yönleri bulunan son teknoloji öğrenme algoritmaları kullandılar. Sonuçları da kısa süre önce yayımlandı
Kozmoloji için yüz tanıma
Gece gökyüzünün çekilmiş resimlerinde tanınacak hiçbir yüz bulunmamasına rağmen kozmologlar, Parçacık Fiziği ve Astrofizik Enstitüsü’ndeki araştırmacı Tomasz Kacprzak’ın şöyle açıkladığını söylüyor:
“Facebook algoritmalara görüntülerde göz, ağız veya kulak bulma gibi şeylere, biz ise karanlık madde ve karanlık enerjinin anlatılarına bakmak için kullanıyoruz.”
Karanlık madde doğrudan teleskop görüntülerinde görülemediğinden fizikçiler, karanlık çeşitlilik de dâhil olmak üzere tüm maddelerin Dünya’ya uzak galaksilerden gelen ışık ışınlarının yolunu hafifçe büktüğüne güveniyorlar. WeakGravitationalLensing (Zayıf yerçekimi kırılmaları) olarak bilinen bu etki, galaksilerin görüntülerini çok ince bir şekilde bozar, uzaktaki nesneler sıcak havalarda farklı sıcaklıklarda hava katmanlarından geçerken bulanık görünürler.
Kozmologlar bu çarpıklığı geriye doğru çalışmak (tersine mühendislik) ve karanlık maddenin nerede olduğunu gösteren gökyüzünün kütle haritalarını oluşturmak için kullanabilirler. Daha sonra, hangi kozmolojik modelin verilere en uygun olduğunu bulmak için bu karanlık madde haritalarını teorik tahminlerle karşılaştırabillirler.
Yapay sinir ağları kendilerini öğretir
AlexandreRefregier, “Son çalışmalarımızda tamamen yeni bir metodoloji kullandık. Uygun istatistiksel analizi kendimiz yapmak yerine, bilgisayarların işi yapmasına izin veriyoruz.”. Refregier’in doktora grubundaki öğrenci ve çalışmanın başyazarı JanisFluri ile birlikte, derin yapay sinir ağları denilen makina öğrenim algoritmaları kullandılar ve bilgisayarlara karanlık madde haritalarından mümkün olan en büyük miktarda bilgiyi çıkarmayı öğrettiler.
İnsan yapımı analizden daha doğru
Bu eğitimin sonuçları cesaret vericiydi; sinir ağları, insan yapımı istatistiksel analize dayalı geleneksel yöntemlerle elde edilenlerden 30% daha doğru değerler ortaya koydu. Kozmologlar için bu, teleskop görüntülerinin sayısını artırarak aynı kesinliğe ulaşma konusunda büyük bir gelişme oldu çünkü iki kat daha fazla gözlem süresi gerektirir ki bu da pahalıya patlar.
Sonunda, bilim adamları KiDS-450 veri setinden gerçek karanlık madde haritalarını analiz etmek için tamamen eğitilmiş sinir ağlarını kullandılar. Fluri, “Bu tür makina öğrenim araçları bu bağlamda ilk defa kullanılıyor ve derin yapay sinir ağlarının önceki yaklaşımlardan daha fazla bilgi çıkarmamızı sağladığını gördük. Kozmolojideki makina öğrenimi gelecekteki birçok uygulaması olacaktır. ” diyor.
Bunlar da ilginizi çekebilir:
- Karanlık Madde Hakkında 10 İlgi Çekici Teori
- Erken Evren Karanlık Madde Yıldızlarıyla Mı Doluydu?
- Karanlık Madde, Sıradan Madde ile Nasıl Etkileşir?
- Karanlık maddeyi tespit etmek sandığımızdan daha zor
Editör / Yazar: Burak AKTEPE
