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 🔥
Фэнтезийное приключение I, the Inquisitor от выходцев из Techland и CD Projekt RED обрело издателя, сокращённое название и сроки премьеры 32 мин.
Видео: родовое проклятие, новые персонажи и много крыс в сюжетном трейлере A Plague Tale: Requiem 56 мин.
NVIDIA выпустила драйвер GeForce Game Ready 517.48 WHQL с поддержкой Overwatch 2 и обновлениями технологии DLSS для Microsoft Flight Simulator 2 ч.
Microids определилась с датой выхода Syberia: The World Before на PS5, Xbox Series X и S 2 ч.
В WhatsApp нашли уязвимости, позволяющие взламывать смартфоны на Android и iOS 2 ч.
Заключительный набор дополнительных бойцов первого сезона для The King of Fighters XV выйдет в октябре 2 ч.
Видео: особенностям ПК-версии супергеройского боевика Gotham Knights посвятили отдельный трейлер 3 ч.
AMD выпустила драйвер Radeon Software Adrenalin 22.9.2 с поддержкой новых процессоров Ryzen 7000 3 ч.
VK предупредила о возможных сбоях в работе уведомлений и платежей в iOS-приложениях 4 ч.
Google Photos уличили в порче пользовательских снимков — компания уже работает над устранением проблемы 5 ч.