登陆

深度学习已首次被用于研究暗物质

admin 2019-09-26 275人围观 ,发现0个评论

暗物质和暗能量一向是世界学家和物理学利率怎么算家研讨的主题,他们正在尽力全面了解咱们周围的国际。世界的组成是这些研讨人员一向测验探求的一部分。尽管研讨人员估量一般物质(重子物质),暗物质和暗能量或许别离占世界总物质量的为5%,27%和68%,但他们一向在测验改进这些估量并优化所选用核算办法的核算剖析世界学数据。

最近,来自苏黎世联邦理工学院的一组研讨人员发布了一篇有关这一主题的论文。在一篇题为“ 从KiDS-450弱透镜图上进行深度学习的世界学束缚 ”的论文中,研讨人员团队运用卷积神经网络详细介绍了研讨世界暗物质的办法。

该团队首要运用Nvidia P100 GPU对来自核算机生成的世界模仿的数据进行卷深度学习已首次被用于研究暗物质积神经网络(CNN)练习。这样,模型就可以学习各种躲藏特征和与模型相关的东西,然后进步其精确性。随后,将经过练习的模型与KiDS-450断层扫描弱透镜数据集进行测验,该数据集包括大约1500万个星系的形状。

在成果中,研讨人员发现,根据深度学习的模型比传统的推理办法体现更好。详细而言,前者供给的深度学习已首次被用于研究暗物质精确值比科学家运用传统核算办法得出的精确值高30%。此外,该模型还比运用哈勃望远镜快。研讨团队表明,仅从望远镜搜集数据进行试验就将花费两倍的时刻。

苏黎世联邦理工学院的博士生和该研讨的首要作者Janis Fluri谈论了该深度学习已首次被用于研究暗物质团队的作业,称这是职业创始的,它答应从剖析的数据中提取更多信息:

“这是在这种情况下初次运用这种机器学习东西。咱们发现,深层人工神经网络使咱们可以从数据中提取比曾经的办法更多的信息。咱们信任,机器学习在世界学中的这种运用将具有许多未来的运用。”

在论文摘要中,研讨小组宣称该技能是未来世界学数据剖析中颇具远景:

咱们将该成果与相同地图和似然pipeline上的功率谱剖析进行比较,发现CNN约可进步30%。咱们评论了咱们的成果如何为在未来世界学数据剖析中运用深度学习供给超卓的远景。

请关注微信公众号
微信二维码
不容错过
Powered By Z-BlogPHP