یک الگوریتم یادگیری ماشینی درک ماهیت ماده تاریک را آسان تر کرد

به گزارش وبلاگ هلن، دانشمندان با تأیید یک الگوریتم یادگیری ماشینی که برای شناسایی لنزهای گرانشی پیشرفته است، به درک بهتر ماهیت ماده تاریک امیدوار شدند.

یک الگوریتم یادگیری ماشینی درک ماهیت ماده تاریک را آسان تر کرد

اوایل سال جاری، یک الگوریتم یادگیری ماشینی حدود 5000 لنز گرانشی احتمالی را تشخیص داد که می توانند به ترسیم روند تکامل کهکشان ها از زمان مه بانگ (Big Bang) یاری نمایند و به نوبه خود باعث شناسایی انبوهی از کهکشان های باستانی شوند.

اکنون تیم کیم-وی ترن (Kim-Vy Tran) از مرکز اخترفیزیک سه بعدی سراسر آسمان (ASTRO 3D) و دانشگاه نیو ساوت ولز با استفاده از رصدخانه کک در هاوایی و تلسکوپ بسیار بزرگ اروپایی در شیلی 77 مورد از این لنزهای گرانشی را ارزیابی نموده اند. آن ها دریافتند که 68 مورد از این تعداد لنزهای گرانشی قوی هستند که باعث بزرگ نمایی قابل توجه فاصله های کیهانی می شوند.

این موفقیت 88 درصدی نشان می دهد که الگوریتم پیشرفته، قابل اعتماد است و به یاری آن می توان هزاران لنز گرانشی را شناسایی کرد. این درحالی است که در حالت عادی، کشف لنزهای گرانشی سخت است و تا کنون فقط حدود صد تای آن ها به طور معمول استفاده شده اند.

نتایج مطالعه کیم-وی ترن و تیمش که به تازگی در استرونومیکال ژورنال (Astronomical Journal) منتشر شده، داده های طیف سنجی از قوی ترین لنزهای گرانشی را فراهم می نماید که پیش از این با استفاده از شبکه های عصبی پیچیده (Convolutional Neural Networks) پیشرفته به وسیله دانشمند داده دکتر کالین ژاکوبز (Colin Jacobs) در استرو-تری دی و دانشگاه سوین برن، شناسایی شده بودند.

این پژوهش بخشی از کارزار علمی آنالیز تکامل کهکشان ها با لنزهای گرانشی به وسیله استرو تری دی (AGEL) محسوب می گردد. ترن درباره این یافته ها گفت: طیف سنجی به ما امکان داد تا نقشه سه بعدی لنزهای گرانشی را تهیه کنیم تا بفهمیم که این موارد واقعا لنز گرانشی هستند و فقط بر اساس شانس شناسایی نشده اند.

او اضافه کرد: هدف ما در ایجل (AGEL) این است که با داده های طیف سنجی حدود 100 لنز گرانشی قوی را که در طول سال در نیمکره های شمالی و جنوبی دیده می شوند، تأیید کنیم.

تأیید این الگوریتم برای جست وجوی امضاهای دیجیتالی خاصی در آسمان، به یاری یک همکاری بین المللی به وسیله پژوهشگرانی از استرالیا، آمریکا، انگلستان و شیلی ممکن شد. ترن در این زمینه اشاره نمود: با این الگوریتم می توانیم هزاران لنز گرانشی را در مقابل تعداد کمی که در اختیار داریم، تأیید کنیم.

پدیده لنز گرانشی (Gravitational Lensing) نخستین بار به وسیله اینشتین پیش بینی شد که بیان داشت نور پیرامون اجرام بزرگ در فضا، مشابه نور گذرنده از یک عدسی خم می گردد. بدین ترتیب تصویر کهکشان های بسیار دوردست که در حالت عادی دیده نمی شوند، قابل مشاهده خواهد بود.

در حالی که ستاره شناسان سال هاست از این روش برای مشاهده کهکشان های دوردست استفاده می نمایند اما الگوریتم تازه به کشف عدسی های بیشتری یاری می نماید. ترن با بیان این مطلب ادامه داد: این لنزها بسیار کوچک هستند بنابراین اگر تصویر تاری داشته باشید، نمی توانید آن ها را تشخیص دهید.

این لنزهای گرانشی در عین حال که امکان بهتر تماشا اجرامی در میلیون ها سال نوری دروتر را فراهم می نمایند، یاری می نمایند تا بتوان مقدار خم شدگی نور را مقدار گرفت و در نتیجه باعث مشخص جرم موجود در آن ناحیه خاص از فضا می شوند.

پژوهشگر دانشگاه نیو ساوت ولز در این رابطه شرح داد: می دانیم که بیشتر ماده، تاریک است و می دانیم که وجود ماده نور را خم می نماید. بنابراین اگر بتوانیم مقدار خمش نور را مقدار بگیریم، درمی یابیم که چه مقدار ماده باید در آنجا وجود داشته باشد.

در اختیار داشتن لنزهای گرانشی بیشتر در فاصله های گوناگون، بعلاوه به ما تصویر کامل تری از روند رو به عقب تاریخ کیهانی، تقریبا تا زمان مه بانگ ارائه می دهد. ترن در این باره بیان داشت: داشتن عدسی های بزرگ نماینده بیشتر شانس بیشتری برای تماشا اجرام دوردست فراهم می نماید و باعث می گردد سرشماری بهتری از کهکشان های خیلی جوان دوردست داشته باشیم.

او اضافه کرد: و میان این کهکشان های کاملا اولیه و ما، رویدادهای تکاملی بسیاری در حال روی دادن است؛ از نواحی شکل گیری ستارگان کوچک که گاز اولیه را به نخستین ستارگان تبدیل می نمایند تا خورشید در راه شیری. و بدین ترتیب با این لنزها در فاصله های گوناگون، می توانیم به نقاط مختلف در تاریخ کیهان نگاه کنیم تا روند تغییرات اجرام گوناگون را از اوایل کیهان تا کنون متوجه شویم.

پروفسور استوارت اوت (Stuart Wyithe) از دانشگاه ملبورن و مدیر استرو تری دی هم اشاره نمود که هر لنز گرانشی چیز تازه ای به ما می گوید. او اضافه کرد: لنزهای گرانشی، جدا از اینکه اجرام زیبایی هستند، پنجره ای برای مطالعه توزیع جرم در کهکشان های بسیار دور که با روش های دیگر قابل مشاهده نیستند، فراهم می نمایند. با معرفی راهی برای استفاده از این مجموعه داده های بزرگ در جهت جست وجوی لنزهای گرانشی تازه، فرصتی برای تماشا چگونگی رشد کهکشان ها فراهم شده است.

پروفسور کارل گلیزبروک (Karl Glazebrook) از دانشگان سوین برن هم درباره این یافته تازه گفت: این الگوریتم به وسیله دکتر کالین ژاکوبز توسعه یافت. او ده ها میلیون تصویر کهکشان را غربال کرد تا به 5000 نمونه رسید. هرگز فکر نمی کردیم که نرخ موفقیت این قدر بالا باشد.

او اضافه کرد: اکنون از این لنزهای گرانشی با تلسکوپ فضایی هابل تصویر می گیریم. تصاویر که از کهکشان های مجذوب کننده و زیبا تا تصاویر شگفت انگیز و غیرقابل تصور را دربر خواهد گرفت.

دکتر تاکر جونز (Tucker Jones) از دانشگاه دیویس دیگر همکار این مطالعه هم اعلام نمود: یک گام بزرگ در جهت یادگیری چگونگی تشکیل کهکشان ها و تاریخچه کیهان برداشته شده است.

او اضافه کرد: در حالت عادی این کهکشان های اولیه مانند حباب های محوی به نظر می رسند اما با بزرگ نمایی به وسیله عدسی های گرانشی، می توانیم ساختار آن ها را با وضوح بهتری ببینیم. آن ها هدف ایدئالی برای قدرتمندترین تلسکوپ های ما هستند و نگاهی به کیهان اولیه در اختیارمان می گذارند.

و این گونه است که به لطف اثر لنز گرانشی می توانیم بفهمیم این کهکشان های اولیه چه شکلی هستند، از چه چیزی ساخته شده اند و چگونه با محیط پیرامون خود برهم کنش دارند.

عکس کاور: طرحی گرافیکی از ماده تاریک

Credit: ASTRO 3D.SciTechDaily

منبع: SciTechDaily

منبع: دیجیکالا مگ

به "یک الگوریتم یادگیری ماشینی درک ماهیت ماده تاریک را آسان تر کرد" امتیاز دهید

امتیاز دهید:

دیدگاه های مرتبط با "یک الگوریتم یادگیری ماشینی درک ماهیت ماده تاریک را آسان تر کرد"

* نظرتان را در مورد این مقاله با ما درمیان بگذارید