Оценка массы скопления галактик с использованием алгоритмов машинного обучения |
||
МЕНЮ Главная страница Поиск Регистрация на сайте Помощь проекту Архив новостей ТЕМЫ Новости ИИ Голосовой помощник Разработка ИИГородские сумасшедшие ИИ в медицине ИИ проекты Искусственные нейросети Искусственный интеллект Слежка за людьми Угроза ИИ ИИ теория Внедрение ИИКомпьютерные науки Машинное обуч. (Ошибки) Машинное обучение Машинный перевод Нейронные сети начинающим Психология ИИ Реализация ИИ Реализация нейросетей Создание беспилотных авто Трезво про ИИ Философия ИИ Big data Работа разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика
Генетические алгоритмы Капсульные нейросети Основы нейронных сетей Распознавание лиц Распознавание образов Распознавание речи Творчество ИИ Техническое зрение Чат-боты Авторизация |
2022-07-23 17:56 Прошло почти столетие с того момента, когда астроном Фриц Цвикки впервые рассчитал массу скопления Волос Вероники, плотного галактического скопления, содержащего почти 1000 галактик, расположенных в близлежащей части Вселенной. Однако оценка массы настолько массивного объекта, не говоря уже о его гигантских размерах и плотности, а также огромном расстоянии до него, составляющем 320 миллионов световых лет, связана с рядом трудностей – не решенных тогда и даже сейчас. Первые измерения, выполненные Цвикки, а также множество расчетов, проведенных после него, страдают от источников ошибок, вызывающих смещение полученной оценки в большую или меньшую сторону. В новом исследовании команда физиков под руководством Мэттью Хо (Matthew Ho) из Университета Карнеги — Меллона, США, использовала инструменты машинного обучения для разработки метода глубокого обучения, позволяющего произвести точную оценку массы скопления Волос Вероники и эффективно устранить эти источники ошибок. Для расчета массы скопления Волос Вероники команда Цвикки и последующие научные группы использовали динамическое измерение массы, основанное на изучении движения объектов, принадлежащих скоплению, а также обращающихся вокруг него, с последующим использованием современного понимания гравитации для расчета массы скопления галактик. Однако при использовании такого подхода исследователи неизбежно сталкиваются с появлением ряда ошибок. Скопления галактик существуют в форме узлов в гигантской «паутине» материала, распределенного по Вселенной, и они постоянно сталкиваются и объединяются друг с другом, в результате чего происходит искажение профилей скоростей галактик, входящих в состав скопления. И поскольку астрономы наблюдают скопление с огромного расстояния, то существует большое число других объектов, лежащих в пространстве между скоплением галактик и наблюдателем на Земле, которые могут быть ошибочно приняты за объекты скопления и оказывать влияние на результат измерения, приводя к смещению оценки в большую или меньшую сторону. Проведенные в последнее время исследования продемонстрировали большой прогресс в части количественной оценки и учета влияния таких неточностей, однако методики, основанные на машинном обучении, предлагают инновационный подход, базирующийся на данных, согласно Хо. «Наш метод глубокого обучения выясняет, какие из реальных данных относятся к полезным результатам измерений, а какие – нет, – сказал Хо, добавив, что разработанный ими метод позволяет устранить ошибки со стороны перекрывающихся галактик (эффекты выбора) и учитывает различные формы галактик (физические эффекты). – Использование таких методов, базирующихся на данных, позволяют повысить уровень качества и автоматизации наших прогнозов». Метод машинного обучения Хо основан на адаптации хорошо известного метода машинного обучения, называемого свёрточной нейронной сетью, который представляет собой один из типов алгоритмов глубокого обучения, используемый в распознавании графических образов. Исследователи «натренировали» свою модель, вводя в нее данные космологических симуляций Вселенной. Модель тренировали на синтетических «данных наблюдений» тысяч скоплений галактик, масса которых была заранее известна. После глубокого анализа процесса работы модели с этими синтетическими данными, Хо и его коллеги применили модель к анализу реальных данных – и получили в результате оценку массы скопления Волос Вероники, близкую к оценкам, получаемым исследователями, начиная с 1980-х гг. Согласно авторам, полученные результаты позволяют подтвердить адекватность используемой модели. Исследование опубликовано в журнале Nature Astronomy. Источник: aboutspacejornal.net Комментарии: |
|