Vier Wege, wie künstliche Intelligenz uns hilft, das Universum kennenzulernen

0

Inspirierende Nachrichten, Entdeckungen und Geschichten aus der Wissenschaft.Wissenschaft, Technologie, Gesundheit, Erde und Weltraum.

Bei der Astronomie dreht sich alles um Daten.

Das Universum wird immer größer und damit auch die Menge an Informationen, die wir darüber haben.

Aber einige der größten Herausforderungen der nächsten Generation der Astronomie liegen darin, wie wir alle Daten, die wir sammeln, untersuchen.

Um diese Herausforderungen zu meistern, wenden sich Astronomen der Maschine zuLernen und künstliche Intelligenz (KI), um neue Werkzeuge zu entwickeln, um schnell nach den nächsten großen Durchbrüchen zu suchen.

Hier sind vier Möglichkeiten, wie KI Astronomen hilft.

Es gibt verschiedene Möglichkeiten, einen Planeten zu finden, aber am erfolgreichsten war die Untersuchung von Transiten.Wenn ein Exoplanet vor seinem Mutterstern vorbeizieht, blockiert er einen Teil des Lichts, das wir sehen können.

Durch die Beobachtung vieler Umlaufbahnen eines Exoplaneten erstellen Astronomen ein Bild der Lichteinbrüche, das sie verwenden könnenum die Eigenschaften des Planeten zu identifizieren – wie seine Masse, Größe und Entfernung von seinem Stern.

Das Weltraumteleskop Kepler der NASA setzte diese Technik mit großem Erfolg ein, indem es Tausende von Sternen gleichzeitig beobachtete und nach den verräterischen Einbrüchen Ausschau hieltverursacht durch Planeten.

Menschen sind ziemlich gut darin, diese Einbrüche zu sehen, aber es ist eine Fähigkeit, die Zeit braucht, um sich zu entwickeln.Mit mehr Missionen, die der Suche nach neuen Exoplaneten gewidmet sind, wie dem der NASA (Transiting Exoplanet Survey Satellite), können die Menschen einfach nicht mithalten.Hier kommt die KI ins Spiel.

Zeitreihenanalysetechniken – die Daten als sequentielle Sequenz mit der Zeit analysieren – wurden mit einer Art von KI kombiniert, um die Signale von Exoplaneten mit einer Genauigkeit von bis zu 96 % erfolgreich zu identifizieren.

Zeitreihenmodelle eignen sich nicht nur hervorragend zum Auffinden von Exoplaneten, sondern auch zum Auffinden der Signale der katastrophalsten Ereignisse im Universum – Verschmelzungen von Schwarzen Löchern und Neutronensternen.

Wenn diese unglaublich dichten Körper nach innen fallen, senden sie Wellen in der Raumzeit aus, die durch die Messung schwacher Signale hier auf der Erde erkannt werden können.Gravitationswellendetektor-Kollaborationen Ligo und Virgo haben die Signale von Dutzenden dieser Ereignisse identifiziert, alle mit Hilfe von maschinellem Lernen.

Durch das Training von Modellen mit simulierten Daten von Verschmelzungen Schwarzer Löcher können die Teams von Ligo und Virgo identifizierenpotenzielle Ereignisse innerhalb weniger Augenblicke nach ihrem Eintreten und senden Warnungen an Astronomen auf der ganzen Welt, damit sie ihre Teleskope in die richtige Richtung drehen.

Wenn das Vera Rubin-Observatorium, das derzeit in Chile gebaut wird, online geht, wird es dieNachthimmel jede Nacht – Sammeln von über 80 Terabyte an Bildern auf einmal – um zu sehen, wie sich die Sterne und Galaxien im Universum mit der Zeit verändern.Ein Terabyte sind 8.000.000.000.000 Bits.

Im Laufe der geplanten Operationen wird die von Rubin durchgeführte Legacy Survey of Space and Time Hunderte von Petabyte an Daten sammeln und verarbeiten.

Um es auszudrückenIm Kontext sind 100 Petabyte ungefähr der Speicherplatz, der benötigt wird, um jedes Foto auf Facebook zu speichern, oder ungefähr 700 Jahre Full-HD-Video.

Sie können sich nicht einfach auf den Servern anmelden und das herunterladenDaten, und selbst wenn, würden Sie nicht finden, wonach Sie suchen.

Maschinelle Lerntechniken werden verwendet, um diese Umfragen der nächsten Generation zu durchsuchen und die wichtigen Daten hervorzuheben.

Ein Algorithmus könnte beispielsweise die Bilder nach seltenen Ereignissen wie Supernovae durchsuchen – dramatische Explosionen am Lebensende eines Sterns – und ein anderer nach Quasaren suchen.Indem Computer trainiert werden, die Signale bestimmter astronomischer Phänomene zu erkennen, kann das Team die richtigen Daten an die richtigen Personen weitergeben.

Da wir immer mehr Daten über das Universum sammeln, müssen wir manchmal sogar kuratierenund werfen Sie Daten weg, die nicht nützlich sind.Wie können wir also die seltensten Objekte in diesen Datenmengen finden?

Ein Himmelsphänomen, das viele Astronomen begeistert, sind starke Gravitationslinsen.Dies passiert, wenn sich zwei Galaxien entlang unserer Sichtlinie aufreihen und die Gravitation der nächsten Galaxie als Linse fungiert und das weiter entfernte Objekt vergrößert, wodurch Ringe, Kreuze und Doppelbilder entstehen.

Diese Linsen zu finden ist wie das Findeneine Nadel im Heuhaufen – ein Heuhaufen von der Größe des beobachtbaren Universums.Diese Suche wird immer schwieriger, da wir immer mehr Bilder von Galaxien sammeln.

Im Jahr 2018 nahmen Astronomen aus der ganzen Welt an der Strong Gravitational Lens Finding Challenge teil, bei der sie gegeneinander antraten, um zu sehen, wer es schaffen konnteder beste Algorithmus, um diese Objektive automatisch zu finden.

Der Gewinner dieser Herausforderung verwendete ein Modell namens Convolutional Neural Network, das lernt, Bilder mit verschiedenen Filtern zu zerlegen, bis es sie als Objektive mit oder nicht klassifizieren kann.Überraschenderweise waren diese Modelle sogar besser als Menschen und fanden feine Unterschiede in den Bildern, die wir Menschen nur schwer wahrnehmen können.

In den nächsten zehn Jahren werden Astronomen mit neuen Instrumenten wie dem Vera-Rubin-Observatorium Petabyte an Daten sammeln,das sind Tausende von Terabyte.Wenn wir tiefer in das Universum blicken, wird sich die Forschung der Astronomen zunehmend auf Techniken des maschinellen Lernens verlassen.

Geschrieben von Ashley Spindler, University of Hertfordshire.

Quelle:The Conversation.

Inspirierende Nachrichten, Entdeckungen und Geschichten aus der Wissenschaft.Wissenschaft, Technologie, Gesundheit, Erde und Weltraum.

Share.

Leave A Reply