Intergalactic Machine Learning

Abstract

Gravitational lensing er et fenomen som har fått stor attraksjon for å være en nøkkelstein i hvordan man kan kartlegge og forstå mørk materie. Dette prosjektet skal videreføre et vitenskaps prosjekt a NTNU. Oppgaven denne gang er å optimalisere maskin lærings algoritmen som har blitt tidligere utviklet av forgående grupper, ved å test og trene ved bruk av forskjellige hyper parametere. Denne prosessen ga gode resultat ved bruk av Inception v.3 nettverket, andre tester ble utført med AlexNet nettverket, men disse ga ikke like gode slutt resultater som forventet og håpet. I dette prosjektet var det også utført et forsøk på å starte på estimeringen av mørk materie, men det var ikke nokk tid tilgjengelig for å fullføre begge oppgavene tilstrekkelig. Dette forsøket var fortsatt en start på noe, og med en optimalisert maskin lærings algoritme, kan det lede til roulette amplituder som er gode nokk til å estimere massen av mørk materie.

Gravitational lensing is an an phenomenon that have gained some attention for being the key to mapping and understanding the mysterious dark matter. This project further develops on an research project from NTNU. The task this time was the optimization of the machine learning algorithm that was developed by earlier group, by testing and training different hyper parameters. This process gave good results with the inception network, other test that was done with the AlexNet did not give the results that was expected. In this project there was also an attempt at trying to estimate the mass of dark matter, but there was not enough time to do both of these tasks. The attempt however was good enough to be the start of something, and with the optimized machine learning algorithm, could lead to estimated roulette amplitudes good enough so the mass can be estimated.