Новости Software

Тёмное вещество будет искать российско-итальянская нейросеть

Учёные из России и Италии в журнале Computer Physics Communications опубликовали статью, в которой сообщили о создании нейросети для обнаружения загадочного тёмного вещества. Обученный алгоритм будет искать следы взаимодействия тёмного вещества и обычного в эмульсионных детекторах. Обычно детекторы фиксируют пролёты любых заряжённых частиц, что делает обнаружение следов тёмного вещества поиском иголки в стоге сена. Но нейросеть рутиной не испугать.

 Источник изображения: НИТУ «МИСиС»

Источник изображения: НИТУ «МИСиС»

Учёные исходят из предположения, что частицы тёмного вещества могут представлять собой особый класс слабовзаимодействующих массивных частиц или вимпов (WIMP, Weakly Interacting Massive Particles). С обычным веществом вимпы могут взаимодействовать только на очень маленьких расстояниях. Если такое взаимодействие произойдёт, то на эмульсионном детекторе — плёнке со слоем обычного желатина с вкраплениями из наночастиц чувствительного материала — останутся следы.

В пресс-релизе НИТУ «МИСиС» по этому поводу сказано следующее: «Исследователи из НИТУ «МИСиС», Национального института ядерной физики Италии, Неаполитанского университета имени Фридриха II, НИУ ВШЭ и Физического института имени П. Н. Лебедева РАН предположили, что взаимодействия вимпов и видимой материи будут оставлять внутри этих наночастиц характерные следы, направление и свойства которых будут зависеть от положения Земли относительно центра Млечного Пути. Это позволит отличить следы тёмной материи от случайных сигналов, вызванных прохождением заряженных частиц через детектор».

По этим следам — траектории, длительности пролёта и другим визуальным данным — можно вычислить массу частиц, их заряд и другие фундаментальные свойства. Но чтобы не тратить время на следы от пролёта обычных частиц все их необходимо отсеять, а это колоссальная работа, которую планируют поручить нейросети.

Нейросеть на основе принципов глубокого обучения способна отличать реальные следы вимпов от случайного срабатывания детектора. Для подготовки сети учёные подготовили снимки линий, оставленных разными случайными частицами на поверхности эмульсионных пленок, и использовали их для обучения системы. Как показали предварительные проверки, нейросеть лучше классических шумоподавляющих алгоритмов распознает и удаляет следы случайных событий с фотографий эмульсионных пленок. Метод уже применили в экспериментах на итальянском детекторе темной материи NEWSdm, а новый и более мощный алгоритм запустят для анализа снимков с нового 10-кг эмульсионного детектора.

Источник:

Если вы заметили ошибку — выделите ее мышью и нажмите CTRL+ENTER.
Материалы по теме
window-new
Soft
Hard
Тренды 🔥
Все VPN-сервисы в iOS не способы защитить подключение — Apple могла бы это исправить, но ничего не делает 2 ч.
Строительная головоломка LEGO Bricktales выйдет к концу года на всех основных платформах 3 ч.
Роликовый экшен Rollerdrome поступил в продажу и получил кинематографический трейлер 4 ч.
Супергеройский боевик Gotham Knights отправился на золото и к релизу опаздывать не намерен 4 ч.
Autodesk ликвидирует российское юрлицо и уволит персонал российского офиса 5 ч.
Amazon раскрыл дату выхода и новые подробности New Tales from the Borderlands — игру так пока полноценно и не анонсировали 5 ч.
VK Play разрешит публиковать игры физлицам 6 ч.
В результате фишинговой атаки скомпрометированы данные 1900 пользователей защищённого мессенджера Signal 6 ч.
Сюжетное дополнение к Dying Light 2 получило название и первый тизер — полноценный анонс ждёт на открытии gamescom 2022 7 ч.
Разработчики приключения Planet of Lana уточнили новые сроки выхода и подтвердили релиз в Game Pass 7 ч.