Μια απεικόνιση ενός καλλιτέχνη για δύο μαύρες τρύπες που περιστρέφονται μαζί, δημιουργώντας κύματα βαρύτητας στο διάστημα.
(Εικόνα: © NASA)
Ένα νέο πρόγραμμα λογισμικού που χρησιμοποιεί τεχνητή νοημοσύνη μπορεί να βοηθήσει γρήγορα στην ανίχνευση και την ανάλυση βαρυτικών κυμάτων - κυματισμών στον κοσμικό ιστό του χωροχρόνου - από καταστροφικά γεγονότα όπως συγκρούσεις μεταξύ μαύρων οπών, σύμφωνα με νέα μελέτη.
Η νέα τεχνική, που ονομάζεται βαθύ φιλτράρισμα, μπορεί να βοηθήσει τους ερευνητές να δουν κατακλυσμικά γεγονότα που ενδέχεται να μην ανιχνεύσουν το τρέχον λογισμικό, όπως τιτανικές συγχωνεύσεις στις καρδιές των γαλαξιών, σύμφωνα με τους συγγραφείς μιας νέας εργασίας που περιγράφει το έργο.
Τα βαρυτικά κύματα είναι κυματισμοί στον ιστό του χώρου και του χρόνου. Δημιουργούνται όταν οποιοδήποτε αντικείμενο με μάζα κινείται, και ταξιδεύουν με την ταχύτητα του φωτός, τεντώνοντας και συμπιέζοντας το χωροχρόνο στην πορεία.
Τα βαρυτικά κύματα είναι εξαιρετικά δύσκολο να εντοπιστούν και αυτά που οι επιστήμονες μπορούν να ανιχνεύσουν προέρχονται από εξαιρετικά τεράστια αντικείμενα. Παρόλο που η ύπαρξη βαρυτικών κυμάτων προβλέφθηκε για πρώτη φορά από τον Άλμπερτ Αϊνστάιν το 1916, χρειάστηκε πάνω από έναν αιώνα για τους επιστήμονες να ανιχνεύσουν επιτυχώς τα πρώτα άμεσα στοιχεία βαρυτικών κυμάτων, χρησιμοποιώντας το παρατηρητήριο βαρυτικών κυμάτων βολβιδομετρικών λέιζερ (LIGO) για να εντοπίσει το βαρυτικό επακόλουθο του δύο μαύρες τρύπες συντρίβονται μαζί.
Η ανακάλυψη των βαρυτικών κυμάτων κέρδισε σε τρεις επιστήμονες το βραβείο Νόμπελ 2017 στη φυσική τον Οκτώβριο του 2017. Από τότε, οι ερευνητές έχουν εντοπίσει επίσης βαρυτικά κύματα από ένα συγκρουόμενο ζευγάρι νεκρών αστεριών που ονομάζονται αστέρια νετρονίων - ευρήματα που θα μπορούσαν να έχουν βοηθήσει στην επίλυση του μυστηρίου του πώς δημιουργήθηκαν μερικά από τα βαριά στοιχεία του σύμπαντος.
Ωστόσο, το λογισμικό που αναλύει επί του παρόντος τα σήματα που ανιχνεύουν τα παρατηρητήρια βαρυτικών κυμάτων μπορεί να διαρκέσει αρκετές ημέρες για να περιορίσει το είδος του γεγονότος που μπορεί να έχει δημιουργήσει αυτά τα κύματα βαρύτητας, δήλωσε ο συν-συγγραφέας της μελέτης Eliu Huerta στο Space.com σε συνέντευξή του.
Επιπλέον, αυτό το λογισμικό είναι εξειδικευμένο για την ανίχνευση συγχωνεύσεων μεταξύ αντικειμένων που βρίσκονται σε περίπου κυκλικές τροχιές το ένα με το άλλο και είναι σχετικά απομονωμένα από το περιβάλλον τους, σύμφωνα με τον Huerta, θεωρητικό αστροφυσικό στο Πανεπιστήμιο του Ιλινόις στο Εθνικό Κέντρο Υπερυπολογιστικών Εφαρμογών του Urbana-Champaign. Το λογισμικό πιθανότατα θα αποτύχει να ανιχνεύσει βαρυτικά κύματα από αντικείμενα σε περιοχές όπου τα αστέρια είναι γεμάτα πυκνά μαζί, όπως οι πυρήνες των γαλαξιών, όπου οι βαρυτικές έλξεις των κοντινών αστεριών μπορούν να παραμορφώσουν τις τροχιές από κυκλικές σε πιο "εκκεντρικές" ή ωοειδείς μορφές, Huerta είπε.
Τώρα, οι συγγραφείς της μελέτης προτείνουν ότι το λογισμικό τεχνητής νοημοσύνης θα μπορούσε να βοηθήσει πολύ στην επιτάχυνση της ανάλυσης των βαρυτικών κυμάτων, καθώς και "[να επιτρέψει] την ανίχνευση νέων κατηγοριών πηγών βαρυτικών κυμάτων που μπορεί να απαρατήρησαν με τους υπάρχοντες αλγόριθμους ανίχνευσης", Huerta είπε στο Space.com.
Το νέο λογισμικό τεχνητής νοημοσύνης περιλαμβάνει τεχνητά νευρικά δίκτυα, στα οποία τα τεχνητά συστατικά που ονομάζονται "νευρώνες" τροφοδοτούνται δεδομένα και συνεργάζονται για την επίλυση ενός προβλήματος, όπως η αναγνώριση μιας εικόνας. Ένα νευρικό δίκτυο προσαρμόζει επανειλημμένα τις συνδέσεις μεταξύ των νευρώνων του και βλέπει εάν αυτά τα νέα μοτίβα σύνδεσης είναι καλύτερα στην επίλυση του προβλήματος. Με την πάροδο του χρόνου, αυτή η διαδικασία δοκιμής και σφάλματος αποκαλύπτει ποια μοτίβα είναι καλύτερα για υπολογιστικές λύσεις, μιμείται τη διαδικασία της μάθησης στον ανθρώπινο εγκέφαλο.
Ενώ οι συμβατικές τεχνικές μπορεί να χρειαστούν αρκετές ημέρες για να περιορίσουν τα χαρακτηριστικά των βαρυτικών συμβάντων από τα δεδομένα του ανιχνευτή, τα νευρικά δίκτυα αιχμής που είναι γνωστά ως «βαθιά συνελικτικά νευρικά δίκτυα» θα μπορούσαν να το κάνουν μέσα σε ένα δευτερόλεπτο, διαπίστωσαν οι επιστήμονες. Επιπλέον, ενώ οι συμβατικές μέθοδοι θα χρειαστούν χιλιάδες CPU (οι κεντρικές μονάδες επεξεργασίας υπολογιστών) για να εκτελέσουν αυτό το έργο, η νέα τεχνική λειτούργησε «ακόμη και με μία μόνο CPU - δηλαδή, με το smartphone ή έναν τυπικό φορητό υπολογιστή», δήλωσε ο Huerta.
Επιπλέον, οι ερευνητές διαπίστωσαν ότι αυτή η νέα τεχνική θα μπορούσε επίσης να αναλύσει γρήγορα συγχωνεύσεις που είναι πιο περίπλοκες από ό, τι μπορεί να αναλύσει το τρέχον λογισμικό, όπως συγχωνεύσεις που περιλαμβάνουν μαύρες τρύπες σε εκκεντρικές τροχιές. Το νέο λογισμικό είχε επίσης χαμηλότερα ποσοστά σφαλμάτων και ήταν καλύτερο να εντοπίσει δυσλειτουργίες στα δεδομένα.
Η Huerta και ο Daniel George, υπολογιστικός αστροφυσικός στο Πανεπιστήμιο του Ιλλινόις στο Εθνικό Κέντρο Υπερυπολογιστικών Εφαρμογών της Urbana-Champaign, παρουσίασαν λεπτομερώς τα ευρήματά τους στο διαδίκτυο στις 27 Δεκεμβρίου στο περιοδικό Physics Letters B.
