Yüz Tanıma Algoritmalarını Kullanarak Karanlık Maddeyi Keşfedebiliriz!
Bu haber 4 yıl öncesine aittir. Haber güncelliğini yitirmiş olabilir; ancak arşivsel değeri ve bilimsel gelişme/ilerleme anlamındaki önemi dolayısıyla yayında tutulmaktadır. Ayrıca konuyla ilgili gelişmeler yaşandıkça bu içerik de güncellenebilir.
Karanlık maddeyi hiçbir zaman doğrudan doğruya tespit etmedik veya ölçmedik, ancak onun var olduğunu biliyoruz. Çünkü karanlık maddenin evrenimiz üzerindeki etkilerini gözlemleyebiliyoruz. Bildiğimiz anlamıyla maddenin ("görünen maddenin") uyguladığı kütleçekimi, yıldızların ve galaksilerin birçok hareketini açıklamakta yetersiz kalıyor. Bu da bize işin içinde başka bir faktörün de olduğunu düşündürüyor.
Karanlık madde de dahil olmak üzere tüm maddeler ışık ışınlarını hafifçe bükebilir ve teleskoplarımızla yaptığımız gözlemlerde “zayıf kütleçekimsel kırılmalara” neden olabilir. Bilim insanları bu kırılmaları, karanlık maddeye rastlamanın oldukça muhtemel olduğu bölgeleri detaylarıyla ortaya koymak için gece gökyüzünde kullanabilir.
Tanıdık Yüzler Aramak
İsviçre’nin Zürih Federal Teknoloji Enstitüsü’nden bir araştırma ekibi, karanlık maddenin neden olduğu zayıf yerçekimsel kırılmalardaki silik bulgulara rastlayabilme umuduyla görsel canlandırmaları analiz etmek için sıklıkla kullanılan türden bir sinir ağı modeli eğitti. Bilim insanlarının karanlık maddelerde aradıkları özellikleri öğreten simüle veriler, bu modeli beslemek için kullanıldı. Model, görüntülerdeki karanlık maddedeki potansiyel bulguları tespit etme ve etiketleme konusunda bilim insanlarına kıyasla %30 daha isabetli sonuçlar verdi.
Bu makine öğrenimi modeli daha sonra Avrupa Güney Rasathanesi’nin “Kilo-Degree Survey” projesinde oluşturulan gerçek karanlık madde haritalarını analiz etmek için de kullanıldı. Physical Review D dergisinde yayınlanan bulgular, modelin haritaları güncel yöntemlerden daha ayrıntılı bir şekilde analiz edebildiğini ve karanlık maddenin olası konumunu daha isabetli bir şekilde modelleyebildiğini göstermektedir.
Araştırma ekibi, evrenin genişlemesini sağlayan gizemli bir güç olan karanlık enerjinin dağılımı ve davranışı hakkında daha fazla bilgi edinmek için modeli gelecekte diğer kozmolojik haritalara uygulamayı umuyor.
İçeriklerimizin bilimsel gerçekleri doğru bir şekilde yansıtması için en üst düzey çabayı gösteriyoruz. Gözünüze doğru gelmeyen bir şey varsa, mümkünse güvenilir kaynaklarınızla birlikte bize ulaşın!
Bu içeriğimizle ilgili bir sorunuz mu var? Buraya tıklayarak sorabilirsiniz.
Soru & Cevap Platformuna Git- 12
- 5
- 2
- 2
- 2
- 1
- 0
- 0
- 0
- 0
- 0
- 0
- Çeviri Kaynağı: MIT Technology Review | Arşiv Bağlantısı
- J. Fluri. (2019). Cosmological Constraints With Deep Learning From Kids-450 Weak Lensing Maps. Physical Review D. | Arşiv Bağlantısı
Evrim Ağacı'na her ay sadece 1 kahve ısmarlayarak destek olmak ister misiniz?
Şu iki siteden birini kullanarak şimdi destek olabilirsiniz:
kreosus.com/evrimagaci | patreon.com/evrimagaci
Çıktı Bilgisi: Bu sayfa, Evrim Ağacı yazdırma aracı kullanılarak 07/12/2024 14:53:22 tarihinde oluşturulmuştur. Evrim Ağacı'ndaki içeriklerin tamamı, birden fazla editör tarafından, durmaksızın elden geçirilmekte, güncellenmekte ve geliştirilmektedir. Dolayısıyla bu çıktının alındığı tarihten sonra yapılan güncellemeleri görmek ve bu içeriğin en güncel halini okumak için lütfen şu adrese gidiniz: https://evrimagaci.org/s/8254
İçerik Kullanım İzinleri: Evrim Ağacı'ndaki yazılı içerikler orijinallerine hiçbir şekilde dokunulmadığı müddetçe izin alınmaksızın paylaşılabilir, kopyalanabilir, yapıştırılabilir, çoğaltılabilir, basılabilir, dağıtılabilir, yayılabilir, alıntılanabilir. Ancak bu içeriklerin hiçbiri izin alınmaksızın değiştirilemez ve değiştirilmiş halleri Evrim Ağacı'na aitmiş gibi sunulamaz. Benzer şekilde, içeriklerin hiçbiri, söz konusu içeriğin açıkça belirtilmiş yazarlarından ve Evrim Ağacı'ndan başkasına aitmiş gibi sunulamaz. Bu sayfa izin alınmaksızın düzenlenemez, Evrim Ağacı logosu, yazar/editör bilgileri ve içeriğin diğer kısımları izin alınmaksızın değiştirilemez veya kaldırılamaz.
This work is an exact translation of the article originally published in MIT Technology Review. Evrim Ağacı is a popular science organization which seeks to increase scientific awareness and knowledge in Turkey, and this translation is a part of those efforts. If you are the author/owner of this article and if you choose it to be taken down, please contact us and we will immediately remove your content. Thank you for your cooperation and understanding.