Umjetna inteligencija se bavi svemirskom arheologijom: 35 godina Hubbleovih podataka skeniranih u 48 sati otkriva 1.300 misterija

U demonstraciji računalne snage koja redefinira granice astronomskih istraživanja, sustav umjetne inteligencije postigao je u samo dva i pol dana ono što bi znanstvenoj zajednici trebalo desetljeća ručnog rada: pregledao je cijelu 35-godišnju arhivu svemirskog teleskopa Hubble kako bi identificirao više od 1.300 rijetkih ili anomalnih svemirskih objekata. Istraživači Europske svemirske agencije (ESA), predvođeni Davidom O'Ryanom i Pablom Gómezom, razvili su i primijenili neuronsku mrežu Podudaranje anomalija u Hubble Legacy Archive, provodeći prvu sustavnu i sveobuhvatnu potragu za singularitetima u gotovo 100 milijuna slika prikupljenih od lansiranja teleskopa. Nalazi, objavljeni ovog ponedjeljka u časopisu Astronomija i astrofizikaOtkrivaju svemir skriven pred očima: većina tih anomalija nikada nije dokumentirana u znanstvenoj literaturi, što pokazuje da čak i najprovjereniji podaci u povijesti čuvaju tajne ako se promatraju pravim "očima".

Nevidljivo blago u javnoj arhivi

Veličina otkrića ne leži samo u brzini analize, već i u prirodi onoga što je pronađeno. Tri i pol desetljeća tisuće astronoma proučavale su Hubbleove slike, objavljujući desetke tisuća novineRazumno se pretpostavljalo da su najsjajniji, najčudniji ili najočitiji objekti već katalogizirani. Međutim, 65% anomalija otkrivenih od strane Podudaranje anomalija Nisu imali prethodne reference u astronomskim bazama podataka. To implicira da su stotine jedinstvenih astrofizičkih fenomena "skrivene" na javnim poslužiteljima, čekajući alat s beskonačnim strpljenjem stroja da ih iznese na vidjelo.

Među pronađenim rijetkostima, katalog uključuje 138 novih kandidata za gravitacijsko lećenjeTo su fenomeni gdje masa galaksije u prvom planu zakrivljuje tkaninu prostor-vremena, djelujući poput kozmičkog povećala koje iskrivljuje svjetlost udaljenih objekata u savršene lukove i prstenove. To su ključni prirodni laboratoriji za proučavanje tamne materije i širenja svemira. Nadalje, umjetna inteligencija identificirala je 417 prethodno nepoznatih spajanja galaksija, hvatajući nasilni balet zvjezdanih sudara u raznim fazama interakcije i 18 "galaksija meduza", fascinantne strukture gdje tlak međugalaktičkog plina otkida pipke zvjezdane tvari dok galaksija juri kroz skup.

Hamburgeri, leptiri i ono što se ne može klasificirati

Sposobnost umjetne inteligencije da otkrije neobične morfologije dovela je do otkrića objekata koji prkose standardnim opisima. Tim je primijetio protoplanetarne diskove viđene s ruba koji, zbog apsorpcije svjetlosti prašinom u njihovoj središnjoj ravnini, vizualno nalikuju kozmičkim "hamburgerima" ili tamnim leptirima koji se ocrtavaju na zvjezdanoj pozadini. Također su dokumentirane dvije rijetke kolizijske prstenaste galaksije, nastale kada mala galaksija prolazi kroz središte veće, stvarajući udarni val stvaranja zvijezda sličan valovima u ribnjaku.

Ali možda najperspektivnija stvar za teorijsku fiziku je skup nekoliko desetaka objekata koji su potpuno prkosili postojećim klasifikacijskim shemama Ove "čiste" anomalije ne uklapaju se u kategorije spiralnih, eliptičnih ili nepravilnih galaksija, niti se čine instrumentalnim artefaktima. U biti, one su prave misterije koje zahtijevaju praćenje teleskopima poput James Webba kako bi se utvrdilo predstavljaju li nove klase nebeskih objekata ili iznimno kratke i rijetke evolucijske faze koje do sada nismo imali sreću uhvatiti i identificirati.

Rješavanje krize ljudske razmjere

Istraživanje O'Ryana i Gomeza bavi se temeljnim uskim grlom u modernoj astronomiji: problemom volumena. Iako ljudski znanstvenici izvrsno funkcioniraju u kvalitativnoj analizi - razumijevanju što nešto jest nakon što to vide - biološki su nesposobni održati pažnju potrebnu za pregled milijuna slika bez pogrešaka zbog umora. Građanski znanstveni projekti, poput Galaxy Zoo-a, pokušali su to ublažiti delegiranjem zadatka tisućama volontera, ali čak i javni entuzijazam ima svoje granice kada se suoči s eksponencijalno rastućim arhivima.

Podudaranje anomalija To se rješava hibridnim pristupom polunadzirano i aktivno učenje Za razliku od tradicionalnih algoritama koji traže samo ono za što su obučeni (npr. "pronađi mačke"), ova neuronska mreža je obučena da prepozna normalnu strukturu astronomskih podataka i označi sve što odstupa od tog obrasca. Nadalje, uključila je povratnu petlju u kojoj su ljudski stručnjaci potvrdili njezine početne nalaze, "učeći" sustav da razlikuje stvarnu astrofizičku anomaliju od jednostavnog kvara senzora kamere ili kozmičke zrake koja utječe na detektor.

Generalna proba za poplavu podataka

Uspješna implementacija ovog alata u Hubbleovoj arhivi je, u stvarnosti, priprema za neposrednu budućnost. Astronomija ulazi u eru "Velikih opservatorija za istraživanje". ESA-ina misija Euclid, pokrenuta 2023. godine, već mapira milijarde galaksija; uskoro pokrenuti Opservatorij Vera C. Rubin generirat će film neba južne hemisfere svake nekoliko noći, akumulirajući više od 60 petabajta podataka tijekom desetljeća. NASA-in rimski svemirski teleskop Nancy Grace, planiran za 2027. godinu, imat će vidno polje 100 puta veće od Hubbleovog, stvarajući zvjezdane pejzaže nedokučivog bogatstva za ljudski um.

U tom kontekstu, alati kao što su Podudaranje anomalija Prestat će biti kuriozitet i postati kritična infrastruktura. Bez umjetne inteligencije koja filtrira bujicu podataka u stvarnom vremenu, Velika većina potencijalnih otkrića ostala bi arhivirana na tvrdim diskovima, nevidljiva i zaboravljena.Uspjeh ESA-inog tima pokazuje da umjetna inteligencija ne zamjenjuje astronoma, već djeluje kao ultrabrzo sito, odvajajući žito od kukolja kako bi ljudi mogli posvetiti svoje vrijeme onome što najbolje rade: tumačenju fizike nemogućeg.