Космологи из Принстонского университета вместе с коллегами из Института Флэтайрон обнаружили, что предварительное обучение искусственного интеллекта на стандартных моделях Вселенной может мешать поиску новых физических законов и скрывать уникальные космические явления. Статья опубликована в журнале Journal of Cosmology and Astroparticle Physics.
Стандартная космологическая модель успешно описывает эволюцию Вселенной, но не дает ответов на все вопросы. Для поиска новых физических эффектов, таких как влияние массы нейтрино или модифицированная гравитация, ученым приходится создавать огромное количество дорогостоящих компьютерных симуляций. На этот процесс уходит много времени и колоссальный объем вычислительной мощности.
Для оптимизации работы исследователи применили метод переноса обучения. Нейросеть сначала тренируют на простых и дешевых виртуальных моделях в рамках стандартных параметров. Полученные базовые знания затем переносят на более сложные модели. Этот подход позволяет сократить потребность в дорогостоящих вычислениях более чем в десять раз.
В ходе исследования проявился скрытый побочный эффект, который называют «негативным переносом». Некоторые уникальные сигналы новой физики внешне очень напоминают стандартные параметры распределения материи во Вселенной. Из-за схожести признаков обученная ранее нейросеть начинает интерпретировать новые неизвестные явления через призму своего старого опыта и путать их со стандартными процессами.
В частности, следы влияния массы нейтрино ИИ ошибочно принимал за стандартное изменение плотности распределения вещества. Авторы работы подчеркивают, что эта проблема обусловлена глубинными совпадениями в самих математических моделях. Результаты исследования заставляют ученых искать новые способы защиты нейросетей от предвзятости, чтобы не пропустить важные научные открытия при анализе реальных астрономических данных.
Ранее Наука Mail рассказывала, что астрономы создали крупнейшую карту магнитных полей.
