Umetna inteligenca se ukvarja z vesoljsko arheologijo: 35 let Hubblovih podatkov, skeniranih v 48 urah, razkriva 1.300 skrivnosti

V demonstraciji računalniške moči, ki na novo opredeljuje meje astronomskih raziskav, je sistem umetne inteligence v samo dveh dneh in pol dosegel tisto, kar bi znanstveni skupnosti vzelo desetletja ročnega dela: pregledal je celoten 35-letni arhiv vesoljskega teleskopa Hubble in identificiral več kot 1.300 redkih ali anomalnih kozmičnih objektov. Raziskovalci Evropske vesoljske agencije (ESA) pod vodstvom Davida O'Ryana in Pabla Gómeza so razvili in uporabili nevronsko mrežo Ujemanje anomalij v arhiv Hubblove zapuščine, kjer so izvedli prvo sistematično in celovito iskanje singularnosti v skoraj 100 milijonih slik, zbranih od izstrelitve teleskopa. Ugotovitve, objavljene ta ponedeljek v reviji Astronomija in astrofizikaRazkrivajo vesolje, skrito pred očmi: večina teh anomalij ni bila nikoli dokumentirana v znanstveni literaturi, kar dokazuje, da tudi najbolj natančno preučeni podatki v zgodovini ohranjajo skrivnosti, če jih gledamo s pravimi "očmi".

Nevidni zaklad v javnem arhivu

Obseg odkritja ni le v hitrosti analize, temveč tudi v naravi odkritja. Tri desetletja in pol so tisoči astronomov preučevali Hubblove slike in objavili več deset tisoč člankiRazumno se je domnevalo, da so bili najsvetlejši, najnenavadnejši ali najbolj očitni predmeti že katalogizirani. Vendar pa 65 % anomalij, ki jih je odkril Ujemanje anomalij V astronomskih bazah podatkov niso imeli predhodnih referenc. To pomeni, da so na javnih strežnikih "skriti" stotine edinstvenih astrofizikalnih pojavov, ki čakajo, da jih orodje z neskončno potrpežljivostjo stroja razkrije.

Med odkritimi redkostmi katalog vključuje 138 novih kandidatov za gravitacijsko lečenjeTo so pojavi, pri katerih masa galaksije v ospredju ukrivlja tkanino prostor-časa in deluje kot kozmično povečevalno steklo, ki popači svetlobo oddaljenih objektov v popolne loke in obroče. To so ključni naravni laboratoriji za preučevanje temne snovi in ​​širjenja vesolja. Poleg tega je umetna inteligenca prepoznala 417 prej neznanih združitev galaksij, ki ujame silovit balet zvezdnih trkov v različnih fazah interakcije in 18 "galaksij meduz", fascinantne strukture, kjer pritisk medgalaktičnega plina odtrga lovke zvezdne snovi, ko galaksija drvi skozi kopico.

Hamburgerji, metulji in nerazvrščljivo

Sposobnost umetne inteligence za zaznavanje nenavadnih morfologij je privedla do odkritja objektov, ki kljubujejo standardnim opisom. Ekipa je opazila protoplanetarne diske, ki so jih videli z roba in zaradi absorpcije svetlobe s strani prahu v njihovi osrednji ravnini vizualno spominjajo na kozmične "hamburgerje" ali temne metulje, ki se orisujejo na zvezdnem ozadju. Dokumentirani sta bili tudi dve redki trčni obročasti galaksiji, ki nastaneta, ko majhna galaksija preide skozi središče večje, kar ustvari udarni val nastajanja zvezd, podoben valovanju v ribniku.

Morda pa je najbolj obetavna stvar za teoretično fiziko množica več deset predmetov, ki so popolnoma kljubovali obstoječim klasifikacijskim shemam Te "čiste" anomalije ne spadajo v kategorije spiralnih, eliptičnih ali nepravilnih galaksij, niti se ne zdijo instrumentalni artefakti. V bistvu so resnične skrivnosti, ki zahtevajo nadaljnje raziskovanje s teleskopi, kot je James Webb, da bi ugotovili, ali predstavljajo nove razrede nebesnih objektov ali izjemno kratke in redke evolucijske faze, ki jih do sedaj nismo imeli sreče ujeti in identificirati.

Reševanje krize človeškega obsega

Raziskava O'Ryanove in Gomezove obravnava temeljno ozko grlo v sodobni astronomiji: problem volumna. Čeprav človeški znanstveniki blestijo v kvalitativni analizi – razumevanju, kaj nekaj je, ko to vidijo – biološko niso sposobni vzdrževati pozornosti, potrebne za pregled milijonov slik, ne da bi pri tem naredili napake zaradi utrujenosti. Projekti državljanske znanosti, kot je Galaxy Zoo, so to poskušali ublažiti tako, da so nalogo prepustili tisočim prostovoljcem, vendar ima tudi javno navdušenje svoje meje, ko se sooča z eksponentno rastočimi arhivi.

Ujemanje anomalij To se rešuje s hibridnim pristopom delno nadzorovano in aktivno učenje Za razliko od tradicionalnih algoritmov, ki iščejo le tisto, za kar so bili naučeni (npr. »najti mačke«), je bila ta nevronska mreža naučena prepoznati normalno strukturo astronomskih podatkov in označiti vse, kar odstopa od tega vzorca. Poleg tega je vključevala povratno zanko, kjer so človeški strokovnjaki potrdili njene začetne ugotovitve in »naučili« sistem razlikovati med resnično astrofizikalno anomalijo in preprosto napako senzorja kamere ali kozmičnim žarkom, ki vpliva na detektor.

Generalna vaja za poplavo podatkov

Uspešna implementacija tega orodja v Hubblovem arhivu je v resnici priprava na bližnjo prihodnost. Astronomija vstopa v obdobje "Velikih observatorijev za raziskovanje". Misija Euclid, ki se je začela leta 2023, že kartira milijarde galaksij; kmalu zagnani observatorij Vera C. Rubin bo vsakih nekaj noči ustvaril film neba južne poloble in v desetletju zbral več kot 60 petabajtov podatkov. Nasin vesoljski teleskop Nancy Grace Roman, ki je predviden za leto 2027, bo imel vidno polje 100-krat večje od Hubbla, kar bo ustvarilo zvezdne pokrajine nedoumljivega bogastva za človeški um.

V tem kontekstu so orodja, kot je npr Ujemanje anomalij Ne bodo več zanimivi in ​​bodo postali kritična infrastruktura. Brez umetne inteligence, ki bi filtrirala potok podatkov v realnem času, Velika večina potencialnih odkritij bi ostala arhivirana na trdih diskih, nevidna in pozabljena.Uspeh ekipe ESA dokazuje, da umetna inteligenca ne nadomešča astronoma, temveč deluje kot ultra hitro sito, ki ločuje zrnje od plev, tako da lahko ljudje svoj čas posvetijo temu, kar znajo najbolje: interpretiranju fizike nemogočega.