人工智能探测宇宙中的暗物质
了解我们的宇宙如何成为今天的样子以及它的最终命运将是科学上的最大挑战之一。在晴朗的夜晚无数星星的令人敬畏的展示使我们对问题的严重性有了一些了解,但这只是故事的一部分。更深层的谜语在于我们看不到的东西,至少不是直接看不见的东西:暗物质和暗能量。随着暗物质将宇宙拉在一起,暗能量使宇宙膨胀得更快,宇宙学家需要确切地知道这两者中有多少才能完善他们的模型。
在苏黎世联邦理工学院,物理学系和计算机科学系的科学家现在已经联合起来,改进通过人工智能估算宇宙暗物质含量的标准方法。他们使用尖端的机器学习算法进行宇宙学数据分析,这些算法与Facebook和其他社交媒体用于面部识别的算法有很多共同点。他们的结果最近发表在科学杂志《物理评论》 D上。
尽管在夜空中拍摄的照片中没有面孔可识别,但宇宙学家仍在寻找相似的东西,正如粒子物理与天体物理研究所的亚历山大·雷弗里耶格小组的研究员托马斯·卡普扎克解释说:“ Facebook使用它的算法可以找到图像中的眼睛,嘴巴或耳朵;我们使用我们的算法来寻找暗物质和暗能量的迹象。” 由于无法在望远镜图像中直接看到暗物质,因此物理学家依靠这样一个事实,即所有物质-包括暗变种-都会稍微改变光线从遥远星系到达地球的路径。这种效应被称为“弱引力透镜”,会非常微妙地扭曲这些星系的图像,
宇宙学家可以使用这种扭曲向后工作,并创建显示暗物质位置的天空质量图。接下来,他们将这些暗物质图与理论预测值进行比较,以找出哪个宇宙学模型与数据最匹配。传统上,这是使用人为设计的统计数据(例如描述地图不同部分之间相互关系的所谓相关函数)完成的。但是,这种统计数据在物质图上找到复杂模式的能力受到限制。
“在我们最近的工作中,我们使用了一种全新的方法,” Alexandre Refregier说。“我们不是自己发明适当的统计分析,而是让计算机来完成这项工作。” 这是计算机科学系数据分析实验室的Aurelien Lucchi及其同事参加的地方。与Refregier小组的博士生兼研究的主要作者Janis Fluri一起,他们使用了称为深度人工神经网络的机器学习算法。并教他们从暗物质图中提取尽可能多的信息。
- 上一篇
使用3d打印技术生产防护装备
一位技术老手和一位3D打印的“学者”已经与工业、医疗和政府的其他成员合作,推出了Maker Mask,这是一家西雅图非盈利机构,使用日常3D打印机制作医学认可的、可重复使用的防护面具。乔纳森·罗伯茨(Jonathan Roberts)是位于华盛顿的贝尔维尤风险投资公司点燃合伙人(Ignition Partners)的创始人和合伙人,也是RPrime的共同创始人,RPrime是一家非营利组织,帮助资助面具制作计划。 这位微软前高管表示,目标是解决关键的供应短缺问题,并支
- 下一篇
学习的发展是改善人工智能的关键
密歇根州立大学的研究人员说,真正的,人类水平的智能技术还有很长的路要走,但是他们发表在《美国自然主义者》上的新论文探讨了计算机如何能够像自然有机体一样开始发展学习-这对许多人都有影响。领域,包括人工智能。密歇根州立大学计算机科学系的Anselmo Pontes说:“我们知道所有生物都有能力进行某种形式的学习,只是不确定这些能力是如何首先进化的。现在我们可以观察到虚拟世界中发生的这些重大进化事件。”研究员和主要作者。“了解学习行为的演变方式有助于我们弄清学习行为的原理,并