Gravitacijske leče so pomembno orodje za astronome, ki želijo preučiti najbolj oddaljene predmete v vesolju. Ta tehnika vključuje uporabo množice snovi (običajno galaksije ali grozda) med oddaljenim svetlobnim virom in opazovalcem, da bolje vidi svetlobo, ki prihaja iz tega vira. V učinku, ki ga je predvidela Einsteinova Teorija splošne relativnosti, to omogoča astronomom, da vidijo predmete, ki bi jih sicer lahko zasenčili.
Pred kratkim je skupina evropskih astronomov razvila metodo za iskanje gravitacijskih leč v ogromnih gomilah podatkov. Z istimi algoritmi umetne inteligence, ki so jih Google, Facebook in Tesla uporabili za svoje namene, so iz množične astronomske raziskave našli 56 novih kandidatov za gravitacijsko leče. Ta metoda bi lahko odpravila potrebo astronomov, da opravijo vizualne preglede astronomskih slik.
Študija, ki opisuje njihovo raziskovanje, z naslovom "Iskanje močnih gravitacijskih leč v raziskavi stopnje stopnje Kilo s konvolucijskimi nevronskimi omrežji", se je nedavno pojavila v Mesečna obvestila Royal Astronomical Society. Pod vodstvom Carla Enrico Petrillo iz astronomskega inštituta Kapteyn so bili v ekipi tudi člani Nacionalnega inštituta za astrofiziko (INAF), Argelander-Inštituta za astronomijo (AIfA) in Neapelske univerze.
Medtem ko so astronomi koristni, so gravitacijske leče bolečina pri iskanju. Običajno bi to sestavljali astronomi, ki razvrščajo tisoče slik, posnetih s teleskopi in opazovalnicami. Medtem ko se akademske ustanove lahko zanesejo na amaterske astronome in državljanske astronome, kot še nikoli doslej, nikakor ne moremo slediti milijonom slik, ki jih redno posnamejo instrumenti po vsem svetu.
Dr. Petrillo in njegovi sodelavci so se lotili tega, kar je znano kot "konvulucijsko nevronsko omrežje" (CNN), ki je vrsta algoritma strojnega učenja, ki mori podatke za določene vzorce. Medtem ko je Google s temi istimi nevronskimi omrežji zmagal na tekmi Go proti svetovnemu prvaku, jih Facebook uporablja za prepoznavanje stvari na slikah, objavljenih na njegovem spletnem mestu, Tesla pa jih uporablja za razvoj avtomobilov z lastnimi vožnjami.
Kot je Petrillo pojasnil v nedavnem članku za tisk nizozemske raziskovalne šole za astronomijo:
"To je prvič, da so v astronomski raziskavi našli konvolucijsko nevronsko mrežo za iskanje čudnih predmetov. Mislim, da bo to postalo pravilo, saj bodo prihodnje astronomske raziskave pripravile ogromno količino podatkov, ki jih bo potrebno pregledati. Nimamo dovolj astronomov, da bi se tega lotili. "
Ekipa je nato te nevronske mreže uporabila na podatkih, pridobljenih iz ankete o Kilo-stopinjah (KiDS). Ta projekt se na osnovi 1500 kvadratnih stopinj južnega nočnega neba opira na anketni teleskop VLT v opazovalnem uradu ESO Paranal observatorij v Čilu. Ta nabor podatkov je vseboval 21.789 barvnih slik, ki jih je zbral VST-jev OmegaCAM, večpasovni instrument, ki ga je razvil konzorcij evropskih znanstvenikov v sodelovanju z ESO.
Vse te slike so vsebovale primere svetlobnih rdečih galaksij (LRG), od katerih so bile tri gravitacijske leče. Sprva je nevronska mreža v tem vzorcu našla 761 kandidatov za gravitacijsko lečo. Po vizualnem pregledu teh kandidatov je ekipa uspela seznam omejiti na 56 objektivov. Te morajo še vedno v prihodnosti potrditi vesoljski teleskopi, vendar so bili rezultati precej pozitivni.
Kot navajajo v svoji študiji, bi lahko takšna nevronska mreža, če se uporablja za večje nabore podatkov, razkrila na stotine ali celo tisoče novih leč:
„Konzervativna ocena, ki temelji na naših rezultatih, kaže, da bi bilo mogoče z našo predlagano metodo najti 100 masivnih LRG-galaksijskih leč pri z ~> 0,4 v KiDS, ko je dokončana. V najbolj optimističnem scenariju se lahko ta številka znatno poveča (do največ 2400 objektivov), ko razširimo izbiro barvne magnitude in treniramo CNN za prepoznavanje manjših sistemov objektiv za ločevanje slik. "
Poleg tega je nevronska mreža ponovno odkrila dve znani leči v naboru podatkov, tretjo pa je zgrešila. Vendar je bilo to posledica dejstva, da je bila ta leča še posebej majhna in nevronska mreža ni bila usposobljena za zaznavanje leč te velikosti. V prihodnosti raziskovalci upajo, da bodo to popravili tako, da bodo v svoji nevronski mreži opazili manjše leče in zavračali lažne pozitivne rezultate.
Seveda pa je tu končni cilj popolna odstranitev potrebe po vizualnem pregledu. Pri tem bi bili astronomi osvobojeni, da bi morali opraviti trpinčenje in bi lahko namenili več časa procesu odkritja. Na enak način bi lahko uporabili algoritme strojnega učenja za iskanje astronomskih podatkov za signale gravitacijskih valov in eksoplanetov.
Podobno kot to, kako si druge industrije prizadevajo za smisel iz terabajtov porabnikov ali drugih vrst "velikih podatkov", bi se lahko tudi terenska astrofizika in kozmologija opirala na umetno inteligenco, da bi našli vzorce v vesolju surovih podatkov. In izplačilo verjetno ne bo nič manj kot pospešen postopek odkrivanja.
