Kunstniku illustratsioon kahest mustast august, mis spiraalselt liiguvad, luues kosmoseajal gravitatsioonilaineid.
(Pilt: © NASA)
Uus tehisintellekti kasutav tarkvaraprogramm aitab kiiresti tuvastada ja analüüsida gravitatsioonilisi laineid - kosmoseaja kosmilises kangas - katastroofilistest sündmustest, nagu näiteks mustade aukude kokkupõrked, leiab uus uuring.
Teost kirjeldava uue raamatu autorite sõnul võib uus meetod, mida nimetatakse sügavaks filtreerimiseks, aidata teadlastel näha kataklüsmilisi sündmusi, mida praegune tarkvara ei pruugi tuvastada, näiteks titaanide ühinemist galaktikate südames.
Gravitatsioonilised lained on ruumi ja aja kangas kortsus. Need tekivad siis, kui mõni massimassiga objekt liigub, ja nad liiguvad valguse kiirusel, venitades ja pigistades ruumi-aega mööda teed.
Gravitatsioonilisi laineid on erakordselt raske tuvastada ning need, mida teadlased suudavad tuvastada, pärinevad erakordselt massilistest objektidest. Ehkki gravitatsiooniliste lainete olemasolu ennustas Albert Einstein esmakordselt 1916. aastal, kulus teadlastel gravitatsioonilainete esimeste otseste tõendite eduka tuvastamise jaoks rohkem kui sajand, kasutades Laser Interferomeetri gravitatsiooniliste lainete vaatluskeskust (LIGO) gravitatsioonijärgsete tagajärgede tuvastamiseks. kaks musta auku puruks.
Gravitatsioonilainete avastamine teenis 2017. aasta oktoobris kolm teadlast 2017. aasta Nobeli füüsikapreemia eest. Sellest ajast alates on teadlased tuvastanud ka gravitatsioonilaineid kokkupõrkava surnud tähtede paari vahel, mida nimetatakse neutronitähtedeks - leiud, mis võisid aidata lahendada aastakümneid kestnud müsteeriumi kuidas loodi mõned universumi rasked elemendid.
Kuid tarkvara, mis analüüsib praegu gravitatsioonilaine observatooriumide tuvastatavaid signaale, võib võtta mitu päeva, et kitsendada, milline sündmus võis neid gravitatsioonilaineid tekitada, ütles uuringu kaasautor Eliu Huerta Space.comile antud intervjuus.
Pealegi on see tarkvara spetsialiseerunud objektide ühinemiste tuvastamisele, mis on üksteise suhtes ümmarguselt ringikujulised ja ümbritsevast suhteliselt eraldatud, väitis Urbana-Champaigni Urbana-Champaign'i riikliku superarvutirakenduste keskuse Illinoisi ülikooli teoreetiline astrofüüsik Huerta. Tõenäoliselt ei suuda tarkvara tuvastada gravitatsioonilaineid objektidelt piirkondades, kus tähed on tihedalt kokku pakitud, näiteks galaktikate tuumades, kus lähedalasuvate tähtede gravitatsioonilised tõmbejõud võivad moonutada orbiite ringikujuliselt "ekstsentrilisemaks" või kujuga ovaalseks, Huerta ütles.
Nüüd viitavad uuringu autorid, et tehisintellekti tarkvara võiks aidata oluliselt kiirendada gravitatsiooniliste lainete analüüsi, samuti "[võimaldada] tuvastada uusi gravitatsioonilainete allikate klasse, mis võivad olemasolevate tuvastusalgoritmidega märkamata jääda", Huerta rääkis Space.com.
Uus AI tarkvara hõlmab kunstlikke närvivõrke, milles "neuroniteks" nimetatud tehiskomponentide kaudu edastatakse andmeid ja tehakse koostööd probleemi lahendamisel, näiteks pildi äratundmisel. Seejärel kohandab närvivõrk korduvalt oma neuronite vahelisi ühendusi ja uurib, kas need uued ühendusskeemid aitavad probleemi paremini lahendada. Aja jooksul selgub katse-eksituse protsessist, millised mustrid on lahenduste arvutamisel kõige paremad, matkides inimese ajus õppimisprotsessi.
Kui tavapärased tehnikad võivad gravitatsiooniliste sündmuste tunnuste kitsendamiseks detektoriandmetest võtta mitu päeva, siis tipptasemel närvivõrgud, mida tuntakse "sügavate konvolutsiooniliste närvivõrkudena", võiksid seda teha sekundi jooksul, leidsid teadlased. Pealegi, kui tavapärastel meetoditel oleks selle ülesande täitmiseks vaja tuhandeid protsessoreid (arvutite keskseadet), siis uus tehnika töötas "isegi ühe protsessoriga - see tähendab teie nutitelefoni või tavalise sülearvutiga", ütles Huerta.
Lisaks leidsid teadlased, et see uus tehnika võimaldab kiiresti analüüsida ka ühinemisi, mis on keerukamad, kui praegune tarkvara suudab analüüsida, näiteks ühinemised, mis hõlmavad ekstsentriliste orbiitide mustad augud. Uuel tarkvaral oli ka madalam veamäär ja see oli andmetesse tõrgete tuvastamiseks parem.
Urbana-Champaigni Riiklikus superarvutirakenduste keskuses Illinoisi ülikoolis töötav arvutuslik astrofüüsik Huerta ja Daniel George kirjeldasid oma tulemusi veebis 27. detsembril ajakirjas Physics Letters B.
