Astronomi su razvili alat za umjetnu inteligenciju koji može otkriti pravi oblik svemira izolirajući buku u podacima promatranja.
Umjetna inteligencija nastavlja rješavati neke od najtrajnijih problema u znanosti. Stručnjaci razvijaju nove tehnologije umjetne inteligencije kako bi pomogle istraživanju tamo gdje tradicionalno znanje i metode ne uspijevaju. U ovoj najavi astronomi su otkrili novu tehnologiju razvijenu za uklanjanje buke u astronomskim podacima.
Jednom kada je novi alat testiran na stvarnim podacima teleskopa Subaru, rezultati su bili u skladu sa standardnim modelima svemira, što je dokazalo da bi ova nova metoda mogla poslužiti sjajnoj svrsi u budućnosti.
Astronomi proučavaju strukturu svemira velikih razmjera promatrajući i mjereći gravitacijsku refleksiju. Pri proučavanju objekata u prvom planu, gravitacijska leća narušava cjelokupnu sliku bilo kojih objekata u pozadini. Tamna tvar je još jedan problem za koji je utvrđeno da narušava oblike udaljenih predmeta.
U prošlosti se pokazalo da je teško razlikovati prirodno iskrivljene predmete u svemiru od gravitacijski iskrivljenih predmeta. Znanstvenici ovaj oblik nazivaju bukom i on je već dugo jedan od glavnih čimbenika koji astronomima onemogućavaju učinkovito proučavanje svemira.
Za ovu novu probojnu studiju astronomi su generirali 25 000 lažnih kataloga galaksija koristeći superračunalo ATERUI II. Ovi su se katalozi temeljili na podacima prikupljenim Subaruovim teleskopom tijekom godina.
Sljedeći je korak bio dodavanje šuma tim skupovima podataka i osposobljavanje nove tehnologije umjetne inteligencije za izoliranje lažnih podataka od leće tamne materije.
Astronomi su to nazvali kontradiktornom generativnom mrežom (GAN). Tijekom eksperimenata koristili su dvije mreže.
Generator slika G (mreža 1) dobio je bučne mape leća s jednim određenim zadatkom – da ih utiša. Generator slika D (mreža 2) imao je zadatak usporediti kreacije mreže 1 s kartama leća bez šuma u stvarnim podacima promatranja. Svrha Mreže 2 bila je identificirati karte umjetne inteligencije kao lažne.
Tijekom eksperimenta, mreža 1 je posljedično osposobljena za izradu preciznijih karata, dok je mreža 2 osposobljena za pronalaženje lažnih podataka među poboljšanim kartama. Kao što smo ranije spomenuli, astronomi su koristili 25 000 pari mapa leća (bučnih i bez buke).
https://kozmos.hr/umjetna-inteligencija-detektirala-100-000-nepoznatih-mjesecevih-kratera/
Nakon završetka treninga umjetne inteligencije, testiralo se na stvarnim podacima iz teleskopa Subaru. AI je uspio izolirati buku i otkriti raspodjelu mase u prvom planu što je kasnije potvrđeno da je u skladu sa standardnim modelima svemira.
Drugim riječima, ovaj novi alat može se koristiti za analizu starih i budućih podataka u proučavanjima velike strukture Svemira. Astronom Masato Shirasaki primijetio je da uspjeh ovog istraživanja dokazuje koliko je korisno kombinirati različite znanstvene metode, stare i nove. U ovom konkretnom slučaju, studija je uključivala promatranja, simulacije i umjetnu inteligenciju.
Još jednom vidimo dokaz da se tradicionalna znanost može poboljšati i vrijeme je da znanstveni svijet shvati da je to najučinkovitiji put naprijed ako želimo pronaći odgovore na tajne svemira.
Pridružite se raspravi u našoj Telegram grupi. KOZMOS Telegram-t.me/kozmoshr
Izvori:
• Center for Computational Astrophysics. (n.d.). Observation, Simulation, and AI Join Forces to Reveal a Clear Universe.
• ScienceDaily. (2021, July 2). Observation, simulation, and AI join forces to reveal a clear universe.
• Shirasaki, M., Moriwaki, K., Oogi, T., Yoshida, N., Ikeda, S., & Nishimichi, T. (2021, April 9). Noise reduction for weak lensing mass mapping: an application of generative adversarial networks to Subaru Hyper Suprime-Cam first-year data.
