Ingeniería y ciencia Información de ciencias, ingenieria en todas las ramas de universidad y trabajo 
Relacionados
La materia oscura, que constituye el 85 por ciento de toda la materia del universo, sigue siendo de difícil acceso debido a su naturaleza invisible. y sólo puede estudiarse a través de los efectos de la gravedad.
Los científicos utilizan la teoría de la interacción de partículas y algoritmos avanzados de inteligencia artificial para eliminar capas de actividad cósmica y extraer las propiedades de la materia oscura. Este esfuerzo está respaldado por herramientas innovadoras de inteligencia artificial, como el modelo Inception, que puede diferenciar entre los efectos de la materia oscura y otros fenómenos cósmicos. precisamente Esto podría revelar la verdadera naturaleza de la materia oscura a medida que se disponga de datos de nuevos telescopios.
Revelando los misterios de la materia oscura
La materia oscura es la fuerza invisible que mantiene unido al universo. O lo que creemos que es La materia oscura representa aproximadamente el 85% de toda la materia y aproximadamente el 27% del contenido del universo. Pero como no podemos verlo directamente, Por tanto, necesitamos estudiar los efectos de la gravedad en las galaxias y otras estructuras cósmicas. Esto es a pesar de décadas de investigación. Pero la verdadera naturaleza de la materia oscura sigue siendo una de las cuestiones más difíciles de resolver para la ciencia.
según la teoría líder La materia oscura puede ser un tipo de partícula que rara vez interactúa con cualquier otra cosa. excepto la gravedad Pero algunos científicos creen que estas partículas pueden interactuar entre sí de vez en cuando. Este es un fenómeno conocido como interacción entre unos y otros. Detectar tales interacciones proporcionaría pistas importantes sobre las propiedades de la materia oscura.
Sin embargo, es difícil discernir los signos sutiles de interacciones entre la materia oscura y otros efectos cósmicos, como los causados por los núcleos galácticos activos (AGN) o los agujeros negros supermasivos en los centros de las galaxias. Es un desafío importante. La respuesta del AGN puede impulsar el material de manera similar a los efectos de la materia oscura. Esto hace que sea difícil distinguirlos.
Innovaciones de IA en astronomía
El astrónomo David Harvey del Laboratorio de Astrofísica de la EPFL desarrolló un algoritmo de aprendizaje profundo que puede desentrañar estas señales complejas. que se considera un paso importante Su método basado en IA está diseñado para distinguir entre los efectos de las interacciones de la materia oscura y la retroalimentación de AGN mediante el análisis de imágenes de cúmulos de galaxias. que es un gran grupo de galaxias unidas entre sí por la gravedad Esta innovación promete aumentar enormemente la precisión de los estudios de materia oscura.
Harvey entrenó una red neuronal convolucional (CNN), un tipo de IA que es especialmente buena para reconocer patrones en imágenes. Utiliza imágenes del proyecto BAHAMAS-SIDM, que simula cúmulos de galaxias bajo diferentes escenarios de respuesta de materia oscura y AGN. Al suministrarle miles de imágenes simuladas de cúmulos de galaxias, la CNN aprende a distinguir las señales de las interacciones de la materia oscura y las señales de la retroalimentación del AGN.
Resultados y efectos
De las diversas arquitecturas de CNN probadas, la arquitectura más compleja, llamada «Inception», resultó ser también la más precisa. La IA fue entrenada en dos escenarios principales de materia oscura, que tienen distintos grados de interacción entre ellos. y ha sido verificado mediante simulaciones adicionales. Esto incluye modelos de materia oscura más complejos que dependen de la velocidad.
El inicio fue un éxito impresionante.
» data-gt-translate-attributes=»({«attribute»:»data-cmtooltip», «format»:»html»})» tabindex=»0″ role=»link»>Precisión 80% en condiciones adecuadas Determina efectivamente si los cúmulos de galaxias están influenciados por la interacción de la materia oscura o las respuestas de AGN. El rendimiento sigue siendo alto a pesar de que los investigadores introducen un ruido de observación realista que imita el tipo de datos que esperamos de futuros telescopios como Euclid.
El futuro de la investigación de la materia oscura
Esto significa que los enfoques de Inception y de IA en general podrían ser especialmente útiles para analizar las grandes cantidades de datos que recopilamos del espacio. Además, la capacidad de la IA para manejar datos invisibles indica que es adaptable y confiable. Esto lo convierte en una herramienta prometedora para futuras investigaciones sobre la materia oscura.
Los enfoques basados en IA como Inception podrían tener un impacto dramático en nuestra comprensión de la materia oscura. A medida que los nuevos telescopios recopilan cantidades de datos sin precedentes, Esto ayuda a los científicos a examinar los datos de forma rápida y precisa. Esto podría revelar la verdadera naturaleza de la materia oscura.
Referencia: “Algoritmo de aprendizaje profundo para extraer materia oscura y modelos de retroalimentación AGN que interactúan entre sí” por D. Harvey, 6 de septiembre de 2024. astronomía natural–
doi: 10.1038/s41550-024-02322-8
