Japanse astronomen hebben een nieuwe kunstmatige intelligentie (AI)-techniek ontwikkeld om ruis in astronomische gegevens te verwijderen als gevolg van willekeurige variaties in de vormen van sterrenstelsels. Na uitgebreide training en testen op grote nepgegevens die zijn gemaakt door supercomputersimulaties, ze pasten dit nieuwe hulpmiddel vervolgens toe op feitelijke gegevens van de Japanse Subaru-telescoop en ontdekten dat de massaverdeling die is afgeleid van het gebruik van deze methode consistent is met de momenteel geaccepteerde modellen van het heelal. Dit is een krachtige nieuwe tool voor het analyseren van big data uit huidige en geplande astronomische onderzoeken.

Wide area survey-gegevens kunnen worden gebruikt om de grootschalige structuur van het heelal te bestuderen door middel van metingen van zwaartekrachtlenspatronen. Bij zwaartekrachtlenzen, de zwaartekracht van een object op de voorgrond, als een cluster van sterrenstelsels, kan het beeld van een achtergrondobject vervormen, zoals een verder weg gelegen sterrenstelsel. Enkele voorbeelden van zwaartekrachtlenzen liggen voor de hand, zoals het 'oog van Horus'. De grootschalige structuur, voornamelijk uit mysterieuze "donkere" materie, kan ook de vormen van verre sterrenstelsels vervormen, maar het verwachte lenseffect is subtiel. Het middelen over vele sterrenstelsels in een gebied is vereist om een ​​kaart te maken van de verdelingen van donkere materie op de voorgrond.

Maar deze techniek om naar veel melkwegbeelden te kijken, stuit op een probleem; sommige sterrenstelsels zien er van nature een beetje grappig uit. Het is moeilijk om onderscheid te maken tussen een melkwegbeeld dat vervormd is door zwaartekrachtlensvorming en een melkwegstelsel dat feitelijk vervormd is. Dit wordt vormruis genoemd en is een van de beperkende factoren bij onderzoek naar de grootschalige structuur van het heelal.

Om vormruis te compenseren, een team van Japanse astronomen gebruikte voor het eerst ATERUI II, 's werelds krachtigste supercomputer gewijd aan astronomie, 25 genereren, 000 nep-melkwegcatalogi gebaseerd op echte gegevens van de Subaru-telescoop. Vervolgens voegden ze realistische ruis toe aan deze perfect bekende kunstmatige datasets, en trainde een AI om de lensende donkere materie statistisch te herstellen van de nepgegevens.

Na het trainen, de AI was in staat om voorheen niet waarneembare fijne details te herstellen, helpen ons begrip van de kosmische donkere materie te verbeteren. Dan deze AI gebruiken op echte gegevens die 21 vierkante graden van de lucht beslaan, het team vond een verdeling van voorgrondmassa in overeenstemming met het standaard kosmologische model.

"Dit onderzoek toont de voordelen aan van het combineren van verschillende soorten onderzoek:observaties, simulaties, en AI-gegevensanalyse, " zegt Masato Shirasaki, de leider van het team, "In dit tijdperk van big data, we moeten de traditionele grenzen tussen specialismen overschrijden en alle beschikbare tools gebruiken om de gegevens te begrijpen. Als we dit kunnen, het zal nieuwe velden openen in de astronomie en andere wetenschappen."