ايتنا - هوش مصنوعی در پی کشف ماده تاریک

یک الگوریتم یادگیری عمیق جدید قرار است بر روی تصاویر خوشه‌های کهکشانی اجرا شود تا نشانه‌های وجود این ماده نامرئی را که ۸۵ درصد از ماده جهان را تشکیل می‌دهد، پیدا کند.

به گزارش ایتنا و به نقل از اسپیس، براساس مدل استاندارد کیهان‌شناسی، هر کهکشان در هاله‌ای از ماده تاریک قرار دارد. به همین ترتیب، خوشه‌های کهکشانی درون هاله‌های وسیعی از ماده تاریک غوطه‌ور هستند که به طور غیرمستقیم قابل شناسایی است.

با این حال و با وجود حجم عظیم ماده تاریک در جهان، هنوز کسی نمی‌داند این ماده از چه چیزی ساخته شده است.

گاهی اوقات، دو خوشه کهکشانی شامل کهکشان‌ها، گاز داغ و ماده تاریک با هم برخورد می‌کنند. چگونگی وقوع این برخورد به ماهیت ماده تاریک بستگی دارد.

گفتنی است همه چیز به ویژگی‌ای از ماده تاریک به نام «سطح مقطع تعامل» برمی‌گردد، که نشان می‌دهد ماده تاریک نوعی ذره ناشناخته است. یکی از دلایلی که باعث شده است ستاره‌شناسان در تشخیص ماهیت ماده تاریک دچار مشکل شوند، این است که ماده تاریک به نظر نمی‌رسد با ماده معمولی تعامل داشته باشد، جز از طریق نیروی گرانش.

با این حال، برخی مدل‌ها پیش‌بینی می‌کنند که ذرات ماده تاریک می‌توانند با یکدیگر تعامل داشته باشند و میزان این تعامل به سطح مقطع تعامل آنها بستگی دارد.

وقتی دو خوشه کهکشانی برخورد می‌کنند، سرنوشت هاله‌های ماده تاریک آنها به این سطح مقطع وابسته است. اگر مقدار سطح مقطع تعامل بالا باشد، ذرات در هاله‌های ماده تاریک برخورد کرده و باعث کندی حرکت آنها می‌شود.

در مقابل، کهکشان‌ها به مسیر خود ادامه می‌دهند و به ندرت با یکدیگر برخورد می‌کنند زیرا فضای زیادی بین ستاره‌ها و سایر اجرام در آنها وجود دارد. در همین حال، ابرهای عظیم هیدروژن درون خوشه برخورد کرده و داغ شده و اشعه ایکس از خود ساطع می‌کنند.

اگر مقدار سطح مقطع تعامل بالا باشد، ماده تاریک از کهکشان‌ها جدا شده و به ابرهای گاز داغ نزدیک‌تر می‌شود. اما اگر سطح مقطع تعامل کوچک باشد، ماده تاریک و کهکشان‌ها جدا می‌شوند، ولی نه به اندازهٔ زیاد، و ماده تاریک بین کهکشان‌ها و گاز داغ قرار می‌گیرد.

اگر سطح مقطع تعامل صفر باشد، به این معنی که ماده تاریک بدون برخورد است، انتظار می‌رود که هاله‌های ماده تاریک همراه با کهکشان‌ها حرکت کنند و بدون هیچ تعاملی از یکدیگر عبور کنند.

با این حال، چندین چالش وجود دارد. یکی از این چالش‌ها این است که ما تنها می‌توانیم لحظاتی از برخورد خوشه‌های کهکشانی را مشاهده کنیم، زیرا این برخوردها در مقیاس‌های زمانی و مکانی بسیار بزرگی رخ می‌دهند و پیشرفت آن‌ها در بازه‌های زمانی انسانی قابل مشاهده نیست.

چالش دیگر، اثر بادهای تابشی از کهکشان‌هایی است که دارای سیاه‌چاله‌های فعال هستند. این ویژگی‌ها معمولاً در بزرگترین کهکشان‌های یک خوشه، مانند کهکشان M87 در خوشه کهکشانی سنبله، یافت می‌شوند.

این بادهای تابشی، که به عنوان «بازخورد» توصیف می‌شوند زیرا بر موادی که به سوی سیاه‌چاله مرکزی کشیده می‌شوند تأثیر مستقیم دارند، می‌توانند ماده را از کهکشان بیرون برانند و به محیط بین کهکشانی وارد کنند، جایی که انتظار می‌رود ماده تاریک باشد.

برای کمک به تمایز بین این احتمالات، دیوید هاروی از مدرسه پلی‌تکنیک فدرال لوزان در سوئیس یک الگوریتم یادگیری عمیق نوشته است که بر روی تصاویر شبیه‌سازی‌شده برخورد خوشه‌های کهکشانی از پروژه BAHAMAS آموزش دیده است. این شبیه‌سازی‌ها برخورد خوشه‌های کهکشانی با مقادیر مختلف سطح مقطع تعامل، و حتی بدون ماده تاریک را مدل‌سازی کرده‌اند.

هاروی الگوریتم خود را که یک شبکه عصبی پیچشی (CNN) است و توانایی بالایی در شناسایی الگوهای تصویری دارد، آزمایش کرده و دریافت که پیچیده‌ترین نسخه این الگوریتم، با نام مستعار "Inception"، موفق‌ترین بود و با دقت ۸۰ درصد برخوردهای خوشه‌ها را شناسایی کرد.