联系我们

面部识别

科学家使用改良的面部识别技术发现暗物质

mm

更新

 on

如果有一件事情,普通大众在使用人工智能时会比面部识别更熟悉。无论是打开手机还是Facebook用于在图像中查找眼睛或面部其他部位的算法,面部识别已成为一种标准。

但是现在,处理诸如宇宙组成之类的复杂问题的科学家开始使用“标准”面部识别的修改版本,以试图发现宇宙中存在多少暗物质以及暗物质可能位于何处。

数字趋势 未来性 在他们关于该主题的报告中指出:物理学家认为,了解这种神秘物质对于解释有关宇宙基本结构的基本问题是必要的。”

是研究人员聚集在 瑞士苏黎世联邦理工学院粒子物理与天体物理研究所的Alexandre Refregier研究小组已开始使用深层神经网络方法(位于面部识别背后)来开发新的特殊工具,以尝试发现对我们而言仍然是宇宙的秘密。

正如该项目的一名研究人员Janis Fluri告诉Digital Trends一样, “我们[使用]的算​​法与面部识别中常用的算法非常接近。”基本上可以从任何数据中学习在面部识别中,它会学习识别眼睛,嘴巴和鼻子,同时我们正在寻找能够给我们暗物质暗示的结构。这种模式识别本质上是算法的核心。最终,我们仅对其进行了修改以推断出潜在的宇宙学参数。”

正如所解释的那样,科学家们假设暗物质占了 大约占宇宙的27%,其可见物质的重量比约为六比一。从理论上讲,暗物质给星系“提供了不像自杀纸袋那样将自身撕裂所需的额外质量。它以尘埃和气体的形式驱使正常物质聚集并聚集成恒星和星系。”

研究人员正在寻找的是星系团周围出现扭曲的区域。通过使用逆向工程“然后他们可以隔离他们认为可以找到的最浓物质(可见和不可见)的地方。”

该小组的另一位研究人员Fluri和Tomasz Kacprzak解释说,他们训练了自己的神经网络,将其提供给计算机生成的,实际上模拟了宇宙的数据。他们对暗物质图的反复分析使他们有可能从天空的真实图像中提取“宇宙学参数”。

通过将它们与该过程中使用的标准方法进行比较所获得的结果表明,该结果提高了30%, 基于人为统计分析。正如Fluri解释的那样,“算法在训练阶段需要大量数据进行学习。在我们的案例模拟中,此训练数据尽可能准确是非常重要的。否则,它将学习真实数据中不存在的功能。”

训练网络后,他们向其提供了从中获得的实际暗物质图 KiDS-450数据集,是使用智利的VLT测量望远镜(VST)制造的。该数据集的总面积约为满月大小的2200倍,并包含约1500万个星系的记录。

正如未来派所解释的那样, 通过反复分析暗物质图,神经网络教自己寻找合适的特征并提取越来越多的所需信息。“在Facebook的比喻中,它可以更好地从眼睛中分辨出随机的椭圆形。或嘴巴。”

 

联合国前外交官和翻译,目前是自由记者/撰稿人/研究员,主要研究现代技术,人工智能和现代文化。