Reti neurali antagoniste per i modelli cosmologici di nuova generazione
loading

Due reti neurali che lavorano a coppia correggendosi e migliorandosi a vicenda potranno aiutare nell'elaborazione di future mappe della materia oscura.


Fonte Computational Astrophysics and Cosmology - “CosmoGAN: creating high-fidelity weak lensing convergence maps using Generative Adversarial Networks” - Mustafa Mustafa et al.


Lenti gravitazionali deboli ottenute da reti neurali a partire da dati reali. Crediti: Berkeley Lab
Lenti gravitazionali deboli ottenute da reti neurali a partire da dati reali. Crediti: Berkeley Lab

Attraverso nuovi algoritmi di machine learning a reti neurali antagoniste è stato messo a punto un software in grado di produrre autonomamente mappe di fenomeni chiamati lente gravitazionale debole.

Le reti antagoniste constano di due reti neurali delle quali una genera gli oggetti partendo dal rumore mentre l'altra tenta la discriminazione tra oggetti reali e oggetti falsi. In base alla correzione apportata dalla seconda rete, la prima impara a generare oggetti sempre più realistici mentre la seconda impara a distinguere falsi sempre più realistici. Il risultato finale è una generazione di oggetti del tutto simili a quelli reali.  

 

Nell'immagine, le tre mappe in alto sono basate sui dati mentre le seconde sono prodotte dalle reti neurali. Si tratta di strumenti che saranno molto utili per modelli cosmologici e materia oscura .