Mākslinieka ilustrācija ar diviem melniem caurumiem, kas spirālveidīgi savienojas, kosmosa laikā radot gravitācijas viļņus.
(Attēls: © NASA)
Jauna pētījums atklāj, ka jauna programmatūra, kas izmanto mākslīgo intelektu, var ātri atklāt un analizēt gravitācijas viļņus - viļņus telpas laika kosmiskajā audumā - no katastrofiskiem notikumiem, piemēram, sadursmēm starp melnajiem caurumiem.
Jaunā tehnika, ko sauc par dziļo filtrēšanu, var palīdzēt pētniekiem redzēt kataklizmiskos notikumus, kurus pašreizējā programmatūra, iespējams, nevar atklāt, piemēram, titāniskas apvienošanās galaktiku sirdīs, norāda jauna darba, kas apraksta darbu, autori.
Gravitācijas viļņi ir plankumi telpas un laika audumā. Tie tiek ģenerēti, pārvietojoties jebkuram objektam ar masu, un tie pārvietojas ar gaismas ātrumu, stiepjoties un saspiežot telpas laiku visa ceļa garumā.
Gravitācijas viļņus ir ārkārtīgi grūti atklāt, un tie, kurus zinātnieki var noteikt, ir no īpaši masīviem objektiem. Lai arī gravitācijas viļņu esamību pirmo reizi paredzēja Alberts Einšteins 1916. gadā, zinātniekiem bija vajadzīgs vairāk nekā gadsimts, lai veiksmīgi atklātu pirmos tiešos gravitācijas viļņu pierādījumus, izmantojot lāzera interferometra gravitācijas viļņu observatoriju (LIGO), lai pamanītu gravitācijas radītās sekas. divi melni caurumi, kas sagrauj kopā.
Gravitācijas viļņu atklāšana nopelnīja trim zinātniekiem 2017. gada Nobela prēmiju fizikā 2017. gada oktobrī. Kopš tā laika pētnieki ir atklājuši arī gravitācijas viļņus no sadursto mirušo zvaigžņu pāra, ko sauc par neitronu zvaigznēm - atradumiem, kas varētu būt palīdzējuši atrisināt gadu desmitiem senu noslēpumu par kā tika izveidoti daži Visuma smagie elementi.
Tomēr programmatūrai, kas šobrīd analizē signālus, ko atklāj gravitācijas viļņu observatorijas, var paiet vairākas dienas, lai sašaurinātu, kāds notikums varētu būt radījis šos gravitācijas viļņus, intervijā Space.com sacīja pētījuma līdzautors Eliu Huerta.
Turklāt šī programmatūra ir specializēta, lai atklātu apvienošanos starp objektiem, kas ir aptuveni riņķveida orbītā ar otru un ir salīdzinoši izolēti no apkārtnes, saskaņā ar Huerta teikto Ilinoisas universitātes teorētiskais astrofiziķis Urbana-Champaign Nacionālajā superdatoru lietojumprogrammu centrā. Programmatūra, visticamāk, nespēs noteikt gravitācijas viļņus no objektiem vietās, kur zvaigznes ir blīvi saliktas kopā, piemēram, galaktiku kodolos, kur tuvējo zvaigžņu gravitācijas vilkmes var izkropļot orbītas no apļveida uz "ekscentriskāku" vai ovālu formu, Huerta teica.
Tagad pētījuma autori norāda, ka mākslīgā intelekta programmatūra varētu ievērojami palīdzēt paātrināt gravitācijas viļņu analīzi, kā arī "[iespējot] jaunu gravitācijas viļņu avotu klašu noteikšanu, kuras var palikt nepamanītas ar esošajiem noteikšanas algoritmiem", Huerta pastāstīja Space.com.
Jaunā AI programmatūra ietver mākslīgos neironu tīklus, kuros mākslīgie komponenti, kas saukti par "neironiem", tiek padoti ar datiem un sadarbojas, lai atrisinātu problēmu, piemēram, attēla atpazīšanu. Pēc tam neironu tīkls atkārtoti koriģē savienojumus starp saviem neironiem un redz, vai šie jaunie savienojumu modeļi labāk palīdz atrisināt problēmu. Laika gaitā šis izmēģinājumu un kļūdu process atklāj, kuri modeļi ir vislabākie risinājumu skaitļošanā, imitējot mācību procesu cilvēka smadzenēs.
Lai arī parastās metodes var aizņemt vairākas dienas, lai no detektoru datiem sašaurinātu gravitācijas notikumu pazīmes, vismodernākie neironu tīkli, kas pazīstami kā "dziļi konvolūcijas neironu tīkli", to varētu izdarīt sekundes laikā, atklāja zinātnieki. Turklāt, lai gan tradicionālajām metodēm šī uzdevuma veikšanai būtu nepieciešami tūkstošiem CPU (datoru centrālie procesora bloki), jaunā tehnika darbojās "pat ar vienu CPU - tas ir, ar viedtālruni vai parastu klēpjdatoru", sacīja Huerta.
Turklāt pētnieki atklāja, ka šī jaunā metode varētu arī ātri analizēt apvienošanās, kas ir sarežģītākas, nekā to var analizēt pašreizējā programmatūra, piemēram, apvienošanos, kurā iesaistīti melnie caurumi ekscentriskās orbītās. Jaunajai programmatūrai bija arī zemāks kļūdu līmenis un tā bija labāka datu kļūmju novēršanā.
Hjūrta un Daniels Džordžs, skaitliskie astrofiziķi no Ilinoisas Universitātes Urbana-Champaign Nacionālajā superdatoru lietojumprogrammu centrā, tiešsaistē 27. decembrī publicēja savus atklājumus žurnālā Physics Letters B.
