大用新闻

大用新闻
大用新闻
当前位置: 大用新闻> 科技 > 深度学习已首次被用于研究暗物质

深度学习已首次被用于研究暗物质

2019-11-14 19:16:40   阅读:1632

暗物质和暗能量一直是宇宙学家和物理学家的研究课题,他们试图充分了解我们周围的世界。宇宙的组成是这些研究者一直试图探索的一部分。尽管研究人员估计普通物质(重子物质)、暗物质和暗能量可能分别占宇宙总质量的5%、27%和68%,但他们一直在努力改进这些估计,并使用统计方法优化宇宙学数据的计算分析。

最近,苏黎世联邦理工学院的一组研究人员发表了一篇关于这个主题的论文。在一篇题为“深入学习儿童的宇宙学限制——450弱透镜图”的论文中,研究小组详细介绍了使用回旋神经网络研究宇宙暗物质的方法。

该团队首先使用nvidia p100 gpu对卷积神经网络(cnn)进行计算机生成的宇宙模拟数据的训练。这样,模型可以学习各种隐藏的特征和与模型相关的事物,从而提高其准确性。随后,用kids-450断层摄影弱透镜数据集测试了训练好的模型,该数据集包含大约1500万个星系形状。

在结果中,研究者发现基于深度学习的模型比传统的推理方法表现得更好。具体来说,前者提供的精确值比科学家使用传统统计方法获得的精确值高30%。此外,该模型比使用哈勃望远镜更快。研究小组说,仅从望远镜收集数据进行实验就需要两倍的时间。

苏黎世联邦理工学院的博士生兼该研究的主要作者詹尼斯·弗莱(Janis fluri)对该团队的工作发表了评论,称这是该行业的第一次,并允许从分析数据中提取更多信息:

“这是第一次在这种情况下使用这种机器学习工具。我们发现,与以前的方法相比,深层人工神经网络使我们能够从数据中提取更多的信息。我们相信机器学习在宇宙学中的这种应用将有许多未来的应用。”

在论文摘要中,研究小组声称这项技术在未来的宇宙学数据分析中很有前途:

我们将结果与同一个映射和似然流水线上的功率谱分析进行了比较,发现cnn可以提高30%左右。我们讨论了我们的结果如何为在未来宇宙学数据分析中使用深度学习提供了极好的前景。

广西快乐十分 赛车pk10 甘肃快三投注 黑龙江11选5