Китайские физики применили «интерпретируемый ИИ» для раскрытия свойств темной материи

Исследователи из Синьцзянской астрономической обсерватории(XAO) при Китайской академии наук представили новую архитектуру нейросети CKAN(Convolutional Kolmogorov-Arnold Network). Главная особенность разработки —способность переводить скрытые процессы обучения в понятные символическиеформулы. Это решает проблему «черного ящика» в машинном обучении, когдаалгоритм дает результат, но не может объяснить логику решения.

Работа, опубликованная в журнале The Astronomical Journal,направлена на изучение свойств темной материи в скоплениях галактик.Традиционная модель холодной темной материи (CDM) имеет расхождения снаблюдениями на малых масштабах. В качестве альтернативы рассматривается модельсамовоздействующей темной материи (SIDM).

Нейросеть CKAN проанализировала симуляции гало темнойматерии и выявила ключевые параметры для их обнаружения: смещение центра гало итеплопроводность. Алгоритм позволил получить количественную оценку: дляобнаружения эффекта самовоздействия в реальных наблюдениях сечениевзаимодействия частиц должно находиться в диапазоне 0,1-0,3 см²/г.

Для проверки надежности метода ученые протестировали CKAN назашумленных данных, имитирующих технические характеристики телескопов Euclid и JamesWebb (JWST). Тесты показали, что интерпретируемая сеть сохраняет высокуюточность распознавания даже при наличии инструментальных помех.

Разработка позволит астрофизикам использовать ИИ не толькодля классификации снимков, но и для вывода новых физических законов на основеданных будущих космических миссий.

Источник:english.cas.cn