Tamna materija je nevidljiva sila koja održava stabilnost univerzuma prema trenutnim naučnim saznanjima. Iako čini većinu materije u kosmosu, njeno direktno posmatranje je nemoguće, pa se proučava putem gravitacionih efekata na galaksije i druge kosmičke strukture. Otkrivanje prave prirode tamne materije je i dalje jedno od najvećih izazova u astrofizici.
Prema dominantnoj teoriji, tamna materija bi mogla biti vrsta čestica sa minimalnom interakcijom osim putem gravitacije. Ipak, postoji i hipoteza da ove čestice povremeno međusobno deluju, što se naziva samointerakcija. Identifikacija ovakvih interakcija bi pružila ključne uvide u svojstva tamne materije.
Astronom David Harvei sa Laboratorije za astrofiziku EPFL-a napravio je značajan korak razvijanjem algoritma dubokog učenja koji može razlikovati složene signale povezane sa samointerakcijom tamne materije i efektima povratnih informacija AGN. Njihova inovativna metoda se oslanja na veštačku inteligenciju kako bi analizirala slike galaktičkih klastera, što obećava unapređenje preciznosti proučavanja tamne materije.
Korišćenjem konvolucione neuronske mreže, AI je obučen na hiljadama simuliranih slika klastera galaksija, naučeći da razlikuje signale izazvane samointerakcijama tamne materije od onih izazvanih povratnim spregama AGN. Najsofisticiranija arhitektura CNN-a, nazvana „Početak“, pokazala se najtačnijom među testiranim modelima. Ova tehnologija je postigla značajnu tačnost od 80% čak i u uslovima sa realističnim šumom podataka.
Ovakav pristup, poput Inception modela, može revolucionizovati naše shvatanje tamne materije. Kako teleskopi prikupljaju sve veće količine podataka, veštačka inteligencija ima potencijal da ubrza i precizno analizira ove informacije, otvarajući mogućnost otkrivanja prave prirode tamne materije.
Algoritam dubokog učenja za razdvajanje tamne materije u samointerakciji i modela povratnih informacija AGN, objavljen u časopisu Nature Astronomi, predstavlja važan korak u istraživanju tamne materije. Ovaj pristup obećava da će biti od suštinskog značaja za buduća istraživanja i razumevanje kosmičkih fenomena.
