Yüz Tanıma Algoritmalarını Kullanarak Karanlık Maddeyi Keşfedebiliriz!
Live Science
- Çeviri
- Fiziksel Kozmoloji
- Yüz Tanımlama
Bu haber 5 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.
Evrim Ağacı'nda tek bir hedefimiz var: Bilimsel gerçekleri en doğru, tarafsız ve kolay anlaşılır şekilde Türkiye'ye ulaştırmak. Ancak tahmin edebileceğiniz Türkiye'de bilim anlatmak hiç kolay bir iş değil; hele ki bir yandan ekonomik bir hayatta kalma mücadelesi verirken...
O nedenle sizin desteklerinize ihtiyacımız var. Eğer yazılarımızı okuyanların %1'i bize bütçesinin elverdiği kadar destek olmayı seçseydi, bir daha tek bir reklam göstermeden Evrim Ağacı'nın bütün bilim iletişimi faaliyetlerini sürdürebilirdik. Bir düşünün: sadece %1'i...
O %1'i inşa etmemize yardım eder misiniz? Evrim Ağacı Premium üyesi olarak, ekibimizin size ve Türkiye'ye bilimi daha etkili ve profesyonel bir şekilde ulaştırmamızı mümkün kılmış olacaksınız. Ayrıca size olan minnetimizin bir ifadesi olarak, çok sayıda ayrıcalığa erişim sağlayacaksınız.
Makalelerimizin 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 makalemizle ilgili merak ettiğin bir şey mi var? Buraya tıklayarak sorabilirsin.
Soru & Cevap Platformuna Git-
13
-
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 22/02/2025 11:32:53 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.
