科學家：用人臉識別算法尋找暗物質

2020-10-18 木法沙和三傻

用於人臉識別的同類型的神經網絡工具，正被用來尋找和表徵暗物質。

暗物質：我們從未直接探測或測量過暗物質，但我們知道它的存在，因為我們可以看到它對宇宙的影響。許多不同恆星和星系的運動不能用我們能看到的物質所施加的引力來解釋。一定有別的什麼東西在起作用。

所有的物質，包括暗物質，都能使光線輕微彎曲，從而在望遠鏡觀測中產生「弱引力透鏡」。科學家可以利用這些扭曲來繪製出夜空中最有可能存在暗物質的區域。

尋找熟悉的面孔：瑞士蘇黎世聯邦理工學院的一組研究人員訓練了一個神經網絡模型(通常用於分析視覺圖像)，用於尋找暗物質引起的弱引力透鏡現象的微妙跡象。這個模型是通過輸入模擬數據來訓練的，這些數據告訴模型科學家在尋找暗物質時通常會尋找什麼。在發現和標記圖像中暗物質的潛在跡象方面，該模型最終比人類科學家精確30%。

然後，機器學習模型被用來分析歐洲南方天文臺(European Southern Observatory)的KiDS(Kilo-Degree Survey)繪製的暗物質地圖。上周發表在《物理評論D》雜誌上的研究結果表明，該模型能夠比目前的方法更細緻地分析地圖，並更清晰地模擬暗物質可能的位置。

另一個黑暗之謎：接下來，研究小組希望將這個模型應用到其他宇宙學地圖上，以更多地了解暗能量的分布和行為，暗能量是一種推動宇宙膨脹的神秘力量。

相關焦點

  • 開箱即用的人臉識別算法大盤點
    有哪些可用的人臉識別算法在上面一節，我們簡要介紹了如何做一個人臉識別系統。可以說，要做好這個系統還是需要很大工作量的。從算法層面，要解決特徵提取模型、活體檢測、人臉圖像質量檢測三塊硬骨頭。此外，還需要考慮如何優化低功耗、高性能等工程化問題。還好，現在有一些AI科技公司開放了成熟的人臉識別算法，可以讓程式設計師很快可以完成部署。
  • 黑客如何用一副紙眼鏡,就「弄瞎」人臉識別算法?
    第二步，將三個材料輸入攻擊算法，生成攻擊人臉識別算法。這裡的攻擊算法就是智慧財產權的核心。算法會利用人臉識別算法模型，從受攻擊者的照片中提取他/她的人臉信息，然後在攻擊者的照片上構造出攻擊用的對抗圖案。一般情況下，研究人員稱攻擊算法生成的圖案為對抗圖案。對抗圖案疊加在原來的圖片上，得到帶有攻擊功能的圖片，叫對抗樣本。
  • 科學家利用銀河系尋找暗物質
    科學家們認為暗物質在銀河系中心周圍產生了一個明亮的球狀x射線輻射暈。雖然研究遙遠星系神秘信號的科學家們並沒有如他們所願發現暗物質。但是他們用來探測這種奇怪信號發明的新技術，即利用我們自己的星系來尋找暗物質的技術，可能會提升對這種令人難以捉摸的物質的搜尋機率。
  • 人臉識別核心算法及技術解析
    1、在檢測到人臉並定位面部關鍵特徵點之後，主要的人臉區域就可以被裁剪出來，經過預處理之後，饋入後端的識別算法。識別算法要完成人臉特徵的提取，並與庫存的已知人臉進行比對，完成最終的分類。使用Gabor特徵進行人臉識別的典型方法包括彈性圖匹配方法（EGM）和Gabor特徵判別分類法（GFC）。EGM在實用中需要解決關鍵特徵點的定位問題，而且其速度也很難提高；而GFC則直接對下採樣的Gabor特徵用PCA降維並進行判別分析，儘管這避免了精確定位關鍵特徵點的難題，但下採樣的特徵維數仍然偏高，而且簡單的下採樣策略很可能遺漏了非常多的有用特徵。
  • 基於小波包變換和壓縮感知的人臉識別算法
    平強、莊連生[6]等針對人臉識別姿態問題提出了基於仿射變換的人臉分塊稀疏表示，提升了算法的識別性能，但仿射變換和分塊稀疏表示都增加了運算複雜度。　　2 本文稀疏表示的人臉識別算法　　本文將小波包變換和壓縮感知結合應用於人臉識別，具體識別過程如圖2所示。
  • 不同的人臉識別算法解析
    導讀 在人臉識別領域，有一些比較經典的算法，例如特徵臉法（Eigenface）、局部二值模式法、Fisherface等，不過在這裡選擇了一個目前應用比較廣泛且流行的方法作為示例
  • 尋找暗物質是削足適履
    暗物質暗能量根本不存在，它來源於理論假設。正確的理論是理論符合客觀實際，也叫科學論斷。而不是客觀存在符合理論假設。我們需要尋找的是理論的錯誤，而不是客觀世界的錯誤。暗物質暗能量的來源是理論，愛因斯坦等科學家對星系旋轉異常（旋轉過快，沒有散架），萬有引力定律解釋不了，弄個暗物質就是為了彌補萬有引力定律誤差，其實星系旋轉異常，不符合牛頓萬有引力定律與廣義相對論
  • 依圖NIST奪冠,解密人臉識別算法原理
    本文引用地址：http://www.eepw.com.cn/article/201806/382456.htm　　NIST測試以其評測標準的嚴謹性、一致性和全面性，成為了全球規模最大、標準最嚴、競爭最激烈、最權威的人臉識別算法比賽。
  • 推薦算法系統/人臉識別/深度學習對話機器人高級實戰課
    包含了推薦算法系統實戰、深度學習人臉識別實戰、深度學習對話機器人實戰等高級前沿的精品課程，下面分別介紹下各個實戰項目：1、推薦算法系統實戰首先推薦系統不等於推薦算法，更不等於協同過濾。2、深度學習人臉識別實戰人臉識別，是基於人的臉部特徵信息進行身份識別的一種生物識別技術。
  • 既要高精度也要高性能,人臉識別主流算法大合集
    在系列文章的第一篇一文看懂人臉識別技術發展脈絡中，回顧了人臉識別算法的發展歷程，介紹了人臉識別算法從傳統機器學習算法到現在的深度學習算法的演進歷程。接下來，我們將詳細介紹一下人臉識別常見的應用方式，以及現在主流的人臉識別算法。1.
  • 研究:即便是最好的人臉識別算法也會受到口罩幹擾
    據外媒報導，研究人員發現，口罩不僅能有效防新冠肺炎等空氣傳播疾病的傳播，還能成功阻止面部識別算法。 美國國家標準與技術研究所(NIST)在周一發布的一份報告中指出，口罩甚至還能給最先進的面部識別算法造成障礙。 至於錯誤率，從5%到50%不等，具體多少則取決於算法的能力。
  • 中國發射「悟空」尋找暗物質:科學家已走投無路
    如果您曾經對暗物質感興趣，並去看相關文章，就會看到，網友們對暗物質的評論可謂是五花八門，甚是精彩：也許要用中國的陰和陽才能解釋暗物質；以前說有以太，後來說以太不存在，現在又說有暗物質，不就是以太換個名字麼？暗物質會不會是更高維度世界的某種能量對我們四維世界的影響？
  • 人臉識別行業分析
    人臉檢測在圖像中準確標定出人臉的位置和大小，並把其中有用的信息挑出來（如直方圖特徵、顏色特徵、模板特徵、結構特徵及Haar特徵等），然後利用信息來達到人臉檢測的目的。人臉檢測是指判斷是否存在人臉及定位出人臉的位置、大小與姿態。目前的人臉檢測方法可分為三類，分別是基於膚色模型的檢測、基於邊緣特徵的檢測、基於統計理論方法的檢測。
  • 魅族「跳水」旗艦機,虹膜算法+人臉識別,便宜1000元!
    魅族「跳水」旗艦機，虹膜算法+人臉識別，便宜1000元！馬上就要進入2019年了，在這段時間手機廠家們發布的手機也非常的少，因為都開始吹籌備2019年的新手機了，所以說這也就導致很多的老款手機開始降價，並且降價的幅度也特別大。
  • 2D與3D人臉識別詳解
    基於神經網絡人臉識別 目前2D人臉識別算法在各個人臉識別挑戰賽、在各種的開源數據集上測試的識別準確率已經達到了99.80%（人臉識別算法insightface在LFW數據集上的測試結果），識別準確率甚至可以跟人類相媲美，但在苛刻的金融環境僅作為一種輔助手段，人臉識別之後還需要別的驗證手段，如輸入手機號等。這是為什麼？
  • 格靈深瞳在人臉識別算法測試(FRVT)中榮獲全球第一
    7月3日，美國國家標準與技術研究院(NIST)公布了全球最權威的人臉識別算法測試(FRVT)的，結果，，參與此競賽的格靈深瞳取得了優異成績：在，挑戰的「非約束性自然環境人臉照片」測試項目中獲得全球第一名的佳績!
  • 應用層下的人臉識別(三):人臉比對
    人臉M:N人臉M:N實際就是兩個人臉庫進行比對。例如：人臉庫A有M個人臉，人臉庫B有N個人臉。如果想查看人臉庫A和B包含多少個相同的人，就需要用人臉庫A中M個人臉逐一與人臉庫B中N個人臉進行比對，相當於是M個人臉1:N相加的結果。
  • 科學家們將使用最先進的原子鐘尋找暗物質,這將縮小暗物質的搜索範圍
    JILA研究人員使用了最先進的原子鐘來縮小暗物質的搜索範圍。在微波頻率下工作的原子鐘以前一直在尋找暗物質，但這是第一次在較高頻率下尋找暗物質，本次測試將用於確保穩定光波的超穩定振蕩器，另外這次設置將設定更精確的界限。
  • 歐洲核子研究組織使用反物質尋找暗物質
    據外媒New Atlas報導，雖然迄今為止暗物質尚未被直接探測到，但科學家仍在嘗試用各種各樣的方法來尋找暗物質。現在，在歐洲核子研究組織（CERN）進行重子反重對稱性實驗(BASE)的研究人員已經嘗試了一種使用另一種奇怪物質-反物質的新方法來尋找暗物質。
  • 大型強子對撞機，再加上機器學習算法，能否加速破解暗物質之謎？
    面對每秒4000萬次的碰撞，大型強子對撞機的科學家們使用功能強大的計算機，從普通碰撞的巨大靜電中提取寶石——無論是希格斯粒子還是暗物質的跡象。參與CMS實驗的費米實驗室科學家Nhan Tran說：這裡的希望是，你可以用機器學習做非常複雜的事情，而且做得更快，這很重要。機器學習拯救推理的差異粒子物理學中的機器學習並不新鮮，在對撞機實驗中，物理學家在數據處理的每個階段都使用機器學習。