رونمایی از شکل واقعی کیهان با استفاده از هوش مصنوعی

همان‌طور که آلبرت اینشتین در نظریه نسبیت عام خود نشان داد، جرم می‌تواند فضا را دچار انحنا کند. بنابراین، چگالی کیهان نقش تعیین‌کننده‌ای در شکل و آینده‌ی آن دارد. به دلیل وجود نویز در داده‌های اخترشناسی موجود که از تغییر شکل تصادفی کهکشان نشئت می‌گیرد، اخترشناسان قادر به تعیین شکل حقیقی کیهان نیستند. آنها با استفاده از داده‌هایی که ناحیه گسترده‌ای را در برمی‌گیرد، ساختار بزرگ‌مقیاس کیهان را مطالعه کرده‌اند. در این راستا، اندازه‌گیری الگوهای عدسی گرانشی Gravitational lensing نیز کمک شایانی به پیش‌بُرد تحقیقات کرده است.

اکثر ساختارهای بزرگ از ماده تاریک اسرارآمیزی تشکیل یافته است که شکل دورترین کهکشان‌ها را نیز تغییر می‌دهند. علی‌رغم این اتفاق، اثر گرانشی مورد انتظار ظریف و در عین حال پیچیده است. با این حال، این روش محدودیت‌های خاص خود را دارد. برای نمونه، تفکیک تصویری از کهکشان که در پی عدسی گرانشی دچار تحریف شده با کهکشانی که دچار تحریف شده دشوار است. دانشمندان این پدیده را «نویز شکل Shape noise» نام‌گذاری کرده‌اند. دانشمندان برای ترسیم نقشه‌ی توزیع ماده تاریک پیش‌زمینه‌ای باید از کهکشان‌های بسیاری که در ناحیه مورد نظر وجود دارد، میانگین بگیرند.

اخترشناسان رصدخانه ملی اخترشناسی ژاپن موفق شدند نویز داده‌ها را با روش‌های جدید فناوری هوش مصنوعی از بین ببرند. اخترشناسان این ابزاز جدید را در داده‌های حاصل از تلسکوپ سوباروی ژاپن Japan’s Subaru Telescope به کار بردند. بر طبق یافته‌های آنان، توزیع جرم به دست آمده از این روش با روش‌های مورد پذیرش فعلی از کیهان سازگاری دارد.

استفاده از قدرتمندترین ابررایانه جهان

اخترشناسان در تحقیق حاضر از قدرتمندترین ابررایانه جهان موسوم به ATERUI II استفاده کردند که به طور کامل به تحقیقات اخترشناسی اختصاص یافته است. آنان ۲۵۰۰۰ کاتالوگ کهکشان از روی داده‌های واقعی تلسکوپ سوبارو ایجاد کردند. سپس، نویز واقعی را به این مجموعه داده‌های مصنوعی اضافه کرده و هوش مصنوعی را به نحوی آموزش دادند تا ماده تاریک گرانشیِ حاصل از داده ها را بهبود ببخشد. هوش مصنوعی پس از آموزش توانست به جزئیات دقیقی دست یابد که پیشتر مقدور نبود. تیم تحقیقات توزیع جرم پیش‌زمینه‌ای را با بکارگیری این روش هوش مصنوعی در داده‌های واقعی محاسبه کردند. مقدار به دست آمده با مدل استاندارد کیهان‌شناسی مطابقت دارد.

ماساتو شیراسکی – مدیر تیم تحقیقات – اظهار داشت: «ما نشان دادیم که ترکیب انواع مختلف تحقیقات می‌تواند فواید بسیاری داشته باشد. بنابراین، ترکیب مشاهدات، شبیه‌سازی‌ها و تحلیل داده‌های هوش مصنوعی می‌تواند موثر واقع شود. در عصری زندگی می‌کنیم که کلان داده حرف اول را می‌زند؛ باید پای فراتر از مرزها بگذاریم و از کلیه ابزارها و توانمندی‌ها برای درک بهتر داده‌ها استفاده کنیم. اگر این کار عمَلی شود، حوزه‌های جدیدی در اخترشناسی و سایر علوم ایجاد خواهد شد.»

جدیدترین اخبار هوش مصنوعی ایران و جهان را با هوشیو دنبال کنید