هوش مصنوعی، لنزهای گرانشی را تحلیل می کند

اعوجاج (distortion)، سرنخ های مهمی در مورد چگونگی توزیع جرم در فضا و نحوه تغییر در اعوجاج در طول زمان ارائه می کند؛ این ویژگی ها، با ماده تاریک – تشکیل دهنده 85 درصد از ماده موجود در جهان – و انرژی تاریک – عامل افزایش سرعت انبساط جهان – در ارتباط هستند.

تاکنون، چنین تجزیه و تحلیلی، یک روند بسیار خسته کننده بود؛ این روند شامل مقایسه تصاویر واقعی از لنزهای گرانشی (gravitational lenses) با شبیه سازی های رایانه ای از مدل های ریاضیاتی لنزها بود که برای لنزهای منفرد، این کار می توانست بین چند هفته تا چند ماه طول بکشد.

اما با استفاده از شبکه های عصبی مصنوعی ( artificial neural networks) که نوعی از هوش مصنوعی محسوب می شود، محققان قادر به انجام تجزیه و تحلیل در مدت چند ثانیه شدند.

(تصویر: news-vids)

در این مطالعه، تیمی متشکل از محققان آزمایشگاه شتاب دهنده ملی SLAC وزارت انرژی (DOE) آمریکا، دانشگاه استنفورد و موسسه اخترفیزیک و کیهان شناسی کاوالی (KIPAC)، از شبکه های عصبی برای آنالیز تصاویر لنزهای گرانشی، تصویری از یک کهکشان بسیار دوردست درون حلقه ها و کمان ها که توسط گرانش یک جرم عظیم دچار اعوجاج (تحریف) شده بود، استفاده کردند.

برای تمرین دادن شبکه های عصبی، حدود نیم میلیون تصویر شبیه سازی شده از لنزهای گرانشی در مدت یک روز به این شبکه ها نشان داده شدند. پس از آموزش، شبکه های عصبی قادر به آنالیز لنزهای جدید با دقتی مشابه روش های آنالیز سنتی بودند.

در آزمایش های انجام شده با استفاده از تصاویر واقعی از تلسکوپ فضایی هابل و تصاویر شبیه سازی شده، آنالیز (تصاویر) در مدت چند ثانیه انجام شد.

لاورنس پررو لواسور (Laurence Perreault Levasseur) یکی از نویسندگان این مطالعه تأکید کرد: کامل شدن تجزیه و تحلیل ها با روش های سنتی معمولا چند هفته تا چند ماه به طول می انجامد، اما هوش مصنوعی قادر به آنالیز لنزهای گرانشی  با سرعتی 10 میلیون برابر سریعتر از روش های سنتی است.

نتایج این مطالعه در شماره اخیر مجله Nature منتشر شد.

 

مترجم: معصومه سوهانی

منبع: scienceblog

No tags for this post.