Likovna ilustracija dveh črnih lukenj, ki se spirata skupaj, kar ustvarja gravitacijske valove v vesolju.
(Slika: © NASA)
Nova programska oprema, ki uporablja umetno inteligenco, lahko pomaga hitro zaznati in analizirati gravitacijske valove - valovanja v kozmični tkanini vesolja in časa - od katastrofalnih dogodkov, kot so trki med črnimi luknjami, ugotavlja nova študija.
Nova tehnika, imenovana globoko filtriranje, lahko raziskovalcem pomaga videti kataklizmične dogodke, ki jih trenutna programska oprema morda ne zazna, na primer titanske združitve v srcih galaksij, trdijo avtorji novega članka, ki opisujejo delo.
Gravitacijski valovi so valovi v tkanini prostora in časa. Nastanejo, kadar se kateri koli predmet z množičnimi premiki in potuje s hitrostjo svetlobe, se razteza in stisne prostor-čas ob poti.
Gravitacijske valove je izjemno težko zaznati, tisti, ki jih znanstveniki lahko zaznajo, pa so iz izjemno masivnih predmetov. Čeprav je leta 1916 Albert Einstein prvič napovedal obstoj gravitacijskih valov, je trajalo stoletje, da so znanstveniki uspešno odkrili prve neposredne dokaze gravitacijskih valov, s pomočjo laserskega interferometra Gravitacijski valovni observatorij (LIGO), da so opazili gravitacijske posledice dve črni luknji, ki se razbijata skupaj.
Odkritje gravitacijskih valov je trije znanstveniki prineslo Nobelovo nagrado za fiziko 2017 za fiziko oktobra 2017. Od takrat so raziskovalci zaznali tudi gravitacijske valove s trkajočega para mrtvih zvezd, imenovanih nevtronske zvezde - ugotovitve, ki bi lahko pomagale razrešiti desetletja staro skrivnost kako so nastali nekateri težki elementi vesolja.
Vendar pa lahko programska oprema, ki trenutno analizira signale, ki jih opazujejo gravitacijski valovni opazovalniki, traja nekaj dni, da določi kakšen dogodek bi lahko ustvaril ta gravitacijska valovanja, je v intervjuju za Space.com povedala soavtorica študije Eliu Huerta.
Poleg tega je ta programska oprema specializirana za odkrivanje združitev med predmeti, ki so v približno krožnih orbitah med seboj in so razmeroma izolirani od svoje okolice, pravi Huerta, teoretični astrofizik z univerze v Illinoisu v Nacionalnem centru za superračunalniške aplikacije Urbana-Champaign. Programska oprema verjetno ne bo zaznala gravitacijskih valov iz predmetov na območjih, kjer so zvezde gosto pakirane skupaj, kot so jedra galaksij, kjer lahko gravitacijski poteg bližnjih zvezd izkrivlja orbite od krožne do bolj "ekscentrične" ali ovalne oblike, Huerta je dejal.
Avtorji študije kažejo, da bi lahko programska oprema za umetno inteligenco znatno pripomogla k hitrejšemu analiziranju gravitacijskih valov, pa tudi "[omogočila] odkrivanje novih razredov virov gravitacijskega valovanja, ki utegnejo neopaženo z obstoječimi algoritmi zaznavanja," Huerta povedal za Space.com.
Nova programska oprema AI vključuje umetna nevronska omrežja, v katerih umetne komponente, imenovane "nevroni", napajajo podatke in sodelujejo pri reševanju težave, kot je prepoznavanje slike. Nevronska mreža nato večkrat prilagodi povezave med svojimi nevroni in ugotovi, ali so ti novi vzorci povezave boljši pri reševanju težave. Sčasoma ta postopek poskusov in napak razkrije, kateri vzorci so najboljši pri računanju rešitev in posnemajo proces učenja v človeških možganih.
Medtem ko lahko običajne tehnike trajajo nekaj dni, da se značilnosti gravitacijskih dogodkov zmanjšajo iz podatkov o detektorjih, bi lahko vrhunske nevronske mreže, znane kot "globoke konvolucijske nevronske mreže", to storile v sekundi, so ugotovili znanstveniki. Medtem ko bi običajne metode za to opravilo potrebovale na tisoče procesorjev (centralne procesne enote računalnikov), nova tehnika delovala "tudi z enim samim procesorjem - torej s pametnim telefonom ali običajnim prenosnikom", je dejala Huerta.
Poleg tega so raziskovalci ugotovili, da bi ta nova tehnika lahko tudi hitro analizirala združitve, ki so bolj zapletene, kot jih lahko analizira trenutna programska oprema, kot so združitve, ki vključujejo črne luknje v ekscentrični orbiti. Nova programska oprema je imela tudi nižje stopnje napak in je bila boljša pri odkrivanju napak v podatkih.
Huerta in Daniel George, računski astrofizik z univerze v Illinoisu v nacionalnem centru za superračunalniške aplikacije Urbana-Champaign, sta svoja spoznanja podrobno opisala na spletu 27. decembra v reviji Physics Letters B.
