Тёмная материя — это невидимая сила, удерживающая галактики от рассеивания. Она составляет около 85 % всей материи и около 27 % содержимого Вселенной, но поскольку мы не можем увидеть её напрямую, нам приходится изучать её гравитационное воздействие на галактики и другие космические структуры. Несмотря на десятилетия исследований, истинная природа тёмной материи остаётся одним из самых трудноразрешимых вопросов науки.
Согласно одной из ведущих теорий, тёмная материя может представлять собой тип частиц, которые практически ни с чем не взаимодействуют, да и то только через гравитацию. Но некоторые учёные считают, что эти частицы могут иногда взаимодействовать друг с другом — явление, известное как самовзаимодействие. Обнаружение таких взаимодействий позволило бы получить важнейшие сведения о свойствах тёмной материи.
Однако отличить тонкие признаки самовзаимодействия тёмной материи от других космических эффектов, например, вызванных активными галактическими ядрами (АГЯ) — сверхмассивными чёрными дырами в центрах галактик, — оказалось сложной задачей. Обратная связь от АГЯ может приводить материю в движение подобно эффектам тёмной материи, что затрудняет их разделение.
Астроном Дэвид Харви из Лаборатории астрофизики EPFL разработал алгоритм глубокого обучения, который позволяет распутать эти сложные сигналы. Исследование опубликовано в журнале Nature Astronomy.
Метод, основанный на искусственном интеллекте, предназначен для различения эффектов самовзаимодействия тёмной материи и обратной связи АГЯ путём анализа изображений скоплений галактик — огромных скоплений галактик, связанных между собой гравитацией. Инновация обещает значительно повысить точность исследований тёмной материи.
Харви обучил конволюционную нейронную сеть (CNN), тип искусственного интеллекта, который особенно хорошо распознаёт паттерны на изображениях, с помощью изображений из проекта BAHAMAS-SIDM, который моделирует скопления галактик при различных сценариях взаимодействия тёмной материи и АГЯ. Получив тысячи смоделированных изображений скоплений галактик, CNN научился различать сигналы, вызванные самовлиянием тёмной материи, и сигналы, вызванные обратной связью АГЯ.
Среди различных протестированных архитектур CNN наиболее сложная, получившая название «Inception», оказалась и самой точной. ИИ обучили на двух основных сценариях тёмной материи с различными уровнями самовзаимодействия и проверен на дополнительных моделях, включая более сложную модель тёмной материи, зависящую от скорости.
В идеальных условиях «Inception» достигла впечатляющей точности в 80 %, эффективно определяя, влияют ли на скопления галактик самовзаимодействующая тёмная материя или обратная связь с АГЯ. Она сохранила свою высокую производительность даже тогда, когда исследователи ввели реалистичный наблюдательный шум, имитирующий тип данных, которые мы ожидаем от будущих телескопов, таких как «Евклид».
Источник: habr.com
