به گزارش نیوزتل به نقل از معاونت علمی، فناوری و اقتصاد دانش بنیان ریاست جمهوری، محمدحسین جلالی کنفی، پژوهشگر پسادکتری دانشگاه شهید بهشتی، با راهنمائی سید محمدصادق موحد، در قالب طرحی پژوهشی مورد حمایت بنیاد ملی علم ایران، به تحلیل ساختارهای بزرگ مقیاس کیهانی پرداخته است.
جلالی کنفی با اشاره به اهمیت «تار کیهانی» بعنوان شبکه عظیم و به هم پیوسته کهکشان ها، اظهار داشت: مطالعه این شبکه اطلاعات ارزشمندی درباره ی قوانین بنیادین فیزیک، ماهیت ماده تاریک و انرژی تاریک در اختیار ما قرار می دهد. در عین حال، شیوه های سنتی که عمدتا بر آمار توزیع کهکشان ها تکیه دارند، بخش مهمی از اطلاعات هندسی و توپولوژیک را نادیده می گیرند.
نوآوری در تحلیل با تلفیق ریخت شناسی وزن دار و هوش مصنوعی
این پژوهشگر درباره ی نوآوری های این مطالعه توضیح داد: در این طرح، با به کارگیری «ریخت شناسی وزن دار» و استفاده از تابع های مینکوفسکی، علاوه بر شکل کلی ساختارها، اطلاعات در ارتباط با جهت گیری ها و الگوهای غیرخطی نیز در تحلیل ها لحاظ شد. از آنجائیکه توصیف این پیچیدگی ها با روابط تحلیلی ساده ممکن نبود، از روش نوین “استنتاج مبتنی بر شبیه سازی” (Simulation-Based Inference) استفاده کردیم.
او اضافه کرد: در این فرایند، با تولید هزاران شبیه سازی عددی توسط ابر رایانه ها، شبکه های عصبی مصنوعی آموزش دیدند تا پیوند میان خاصیت های ریخت شناختی ساختارها و پارامترهای بنیادی کیهان را استخراج کنند؛ نگاهی که شناسایی الگوهای پنهان را امکانپذیر کرده است.
بهبود ۴۰ تا ۴۵ درصدی دقت در برآورد پارامترهای کیهانی
نتایج این تحقیق نشاندهنده موفقیت چشم گیر این تکنیک جدید است. طبق یافته های این مطالعه، ترکیب ریخت شناسی وزن دار با استنتاج مبتنی بر شبیه سازی، دقت برآورد پارامترهای بنیادی کیهان، همچون چگالی ماده و دامنه نوسانات آنرا بطور قابل توجهی افزایش داده است؛ بطوریکه در بررسی خوشه های کهکشانی پرجرم، دقت برآورد پارامترها بین ۴۰ تا ۴۵ درصد نسبت به شیوه های مرسوم بهبود یافته است.
جلالی کنفی در انتها با تکیه بر این که اطلاعات نهفته در شکل و توپولوژی ساختارهای بزرگ مقیاس، منبعی غنی برای شناخت روند تحول جهان از «مهبانگ» تا حالا است، تصریح کرد: این تحقیق اثبات کرد که تلفیق شیوه های نوین ریخت شناسی با الگوریتم های پیشرفته یادگیری ماشین، نقشه راه دقیق تری برای انجام آزمون های کیهان شناسی و درک عمیق تر از جهان هستی پیش روی دانشمندان قرار می دهد.
