astronomi Ini semua tentang data. Alam semesta semakin besar dan begitu juga jumlah informasi yang kita miliki tentangnya. Tetapi beberapa tantangan terbesar bagi generasi berikutnya dari astronomi terletak pada bagaimana kita mempelajari semua data yang kita kumpulkan.
Untuk memenuhi tantangan ini, para astronom beralih ke pembelajaran mesin dan kecerdasan buatan (AI) untuk membangun alat baru untuk dengan cepat mencari terobosan besar berikutnya. Berikut adalah empat cara kecerdasan buatan membantu para astronom.
1. Perburuan Planet
Ada banyak cara untuk menemukan sebuah planet, tetapi cara yang paling berhasil adalah Studi Obour. Ketika sebuah planet ekstrasurya melintas di depan bintang induknya, ia menghalangi sebagian cahaya yang bisa kita lihat.
Dengan mengamati banyak orbit sebuah planet ekstrasurya, para astronom membuat gambar kemiringan cahaya, yang dapat mereka gunakan untuk menentukan karakteristik planet — seperti massa, ukuran, dan jaraknya dari bintangnya. NASA Kepler Teleskop luar angkasa telah menggunakan teknik ini dengan sukses besar dengan mengamati ribuan bintang secara bersamaan, dan mengamati penurunan yang disebabkan oleh planet-planet.
Manusia pandai melihat penurunan ini, tetapi ini adalah keterampilan yang membutuhkan waktu untuk berkembang. Dengan lebih banyak misi yang didedikasikan untuk menemukan planet ekstrasurya baru, seperti (NASA)Transit satelit untuk mensurvei planet luar), manusia tidak bisa mengikuti. Di sinilah kecerdasan buatan masuk.
Teknik analisis deret waktu – yang menganalisis data sebagai urutan berurutan dari waktu ke waktu – telah digabungkan dengan semacam kecerdasan buatan untuk berhasil mengidentifikasi sinyal planet ekstrasurya hingga 96% akurasi.
2. Gelombang gravitasi
Model deret waktu tidak hanya bagus untuk menemukan exoplanet, tetapi juga sempurna untuk menemukan tanda-tanda peristiwa paling dahsyat di alam semesta – penggabungan antara lubang hitam dan bintang neutron.
Ketika benda-benda yang sangat padat ini jatuh ke dalam, mereka mengirimkan riak di ruang-waktu space dapat dideteksi Dengan mengukur sinyal samar di Bumi. Kerjasama detektor gelombang gravitasi Gra ujung ke ujung Dan Virgo Sinyal mengidentifikasi lusinan peristiwa ini, semuanya dengan bantuan pembelajaran mesin.
Dengan melatih model pada data yang mensimulasikan penggabungan lubang hitam, tim di Ligo dan Virgo dapat mengidentifikasi peristiwa potensial dalam beberapa saat setelah terjadinya dan mengirimkan peringatan kepada para astronom di seluruh dunia untuk mengarahkan teleskop mereka ke arah yang benar.
3. Langit yang berubah
Kapan Observatorium Vera Rubin, yang saat ini sedang dibangun di Chili, akan online dan akan memindai seluruh langit malam setiap malam – dan mengumpulkan lebih dari 80 terabyte gambar sekaligus – untuk melihat bagaimana bintang dan galaksi di alam semesta berbeda dari waktu ke waktu. Satu terabyte sama dengan 8.000.000.000.000 bit.
Selama operasi yang direncanakan, Rubin’s Legacy Survey of Space and Time akan mengumpulkan dan memproses ratusan petabyte data. Singkatnya, 100 petabyte adalah jumlah ruang yang Anda butuhkan Simpan setiap foto di Facebook, atau sekitar 700 tahun video full HD.
Anda tidak hanya dapat masuk ke server dan mengunduh data itu, dan bahkan jika Anda melakukannya, Anda tidak akan dapat menemukan apa yang Anda cari.
Teknik pembelajaran mesin akan digunakan untuk meneliti survei generasi berikutnya ini dan menyoroti data penting. Sebagai contoh, satu algoritma Mungkin dia mencari di gambar untuk peristiwa langka seperti supernova – letusan dramatis di akhir kehidupan bintang – dan yang lain mungkin mencari quasar. Dengan melatih komputer untuk mengenali sinyal dari fenomena astronomi tertentu, tim akan dapat mengirimkan data yang tepat kepada orang yang tepat.
4. Lensa gravitasi
Saat kami mengumpulkan semakin banyak data tentang alam semesta, terkadang kami harus memformat dan membuang data yang tidak berguna. Jadi bagaimana kita bisa menemukan hal-hal yang paling langka di ruang data ini?
Salah satu fenomena langit yang menggairahkan banyak astronom adalah lensa gravitasi yang kuat. Inilah yang terjadi ketika dua galaksi berbaris di sepanjang garis pandang kita dan gravitasi galaksi terdekat bertindak sebagai lensa dan memperbesar objek terjauh, menciptakan cincin, salib, dan gambar ganda.
Menemukan lensa ini seperti menemukan jarum di tumpukan jerami – tumpukan jerami seukuran alam semesta yang terlihat. Ini adalah pencarian yang akan menjadi semakin sulit karena kami mengumpulkan lebih banyak gambar galaksi.
Pada tahun 2018, para astronom dari seluruh dunia berpartisipasi dalam Tantangan menemukan lensa gravitasi yang kuat Mereka berlomba untuk melihat siapa yang bisa membuat algoritma terbaik untuk menemukan lensa ini secara otomatis.
Pemenang tantangan ini menggunakan model yang disebut jaringan saraf convolutional, yang belajar memecah gambar menggunakan filter yang berbeda sehingga mereka dapat mengklasifikasikannya sebagai memiliki lensa atau tidak. Anehnya, model-model ini bernasib lebih baik daripada manusia, menemukan perbedaan halus dalam gambar yang sulit kita pahami sebagai manusia.
Selama dekade berikutnya, dengan menggunakan alat baru seperti Observatorium Vera Rubin, para astronom akan mengumpulkan petabyte data, yaitu ribuan terabyte. Saat kita mempelajari alam semesta lebih dalam, penelitian para astronom akan semakin bergantung pada teknik pembelajaran mesin.
Artikel ini oleh Ashley SpindlerRekan Peneliti, Astrofisika, Universitas Hertfordshire, diposting ulang dari Percakapan Di bawah Lisensi Creative Commons. Membaca artikel asli.
More Stories
Stazioni di ricarica per veicoli elettrici: creare un’infrastruttura per trasporti puliti
Jadi apa yang berubah dengan selesainya akuisisi Sony atas Bungie? Tidak ada, itu diklaim
40% anak muda lebih suka mencari informasi di TikTok atau Instagram daripada mencari di Google