Bagaimana AI Membantu Memetakan Alam Semesta

Kecerdasan buatan (AI) telah menjadi alat penting untuk memahami dunia. Kini, seiring dengan meningkatnya minat terhadap eksplorasi ruang angkasa, hal serupa dapat terjadi di dunia lain.

Meskipun telah melakukan penelitian selama puluhan tahun, para ilmuwan masih belum mengetahui banyak tentang alam semesta di luar atmosfer Bumi. Memetakan planet, bintang, galaksi, dan pergerakannya di ruang angkasa akan membantu, tetapi ini merupakan tugas yang menantang. AI mempermudahnya dalam beberapa hal.

1. Mengenal Benda-Benda Langit

Karena sebagian besar alam semesta begitu jauh, sering kali sulit untuk membedakan mana yang mana. Sistem penglihatan mesin dapat membantu dengan membedakan antara benda-benda langit yang berbeda, padahal melakukannya dengan mata telanjang tidak dapat diandalkan.

Para peneliti di Universitas Hawaii mengembangkan model AI yang menjanjikan untuk tujuan ini pada tahun 2020. Jaringan saraf mereka dapat mengidentifikasi galaksi dengan akurasi 98.1% dan mencapai akurasi 97.8% dan 96.6% untuk bintang dan quasar. Hasilnya, mereka mampu menyusun katalog benda langit berukuran 300 gigabyte di tiga perempat langit.

Karena teleskop dan satelit memberikan lebih banyak pandangan sekilas tentang alam semesta, algoritme klasifikasi seperti ini dapat mempermudah penafsiran data. Begitu ilmuwan mengetahui apa yang mereka lihat, mereka dapat melakukan penelitian lebih lanjut secara akurat.

2. Mengukur Jarak

Memetakan alam semesta bukan sekadar mengetahui apa yang ada di luar sana. Peneliti juga harus mengukur jarak antar benda untuk memahami skala dan pergerakan melintasi galaksi atau merencanakan penerbangan satelit atau wahana antariksa di masa mendatang. AI juga membantu dalam bidang ini.

Menghitung jarak dengan memantau aktivitas langit memerlukan persamaan matematika yang rumit — yang dikuasai AI dengan baik. Salah satu solusinya mencapai akurasi 76% dalam menentukan ukuran dan jarak antara awan molekul dengan menganalisis data teleskop radio. Yang lain mengukur seberapa jauh semburan sinar gamma dengan memantau umpan teleskop darat.

Alat seperti ini memberikan estimasi yang lebih andal tentang skala dan kecepatan aktivitas di alam semesta yang lebih luas. Seiring dengan peningkatan model dengan data tambahan, alat ini dapat memberikan informasi tentang perjalanan luar angkasa yang lebih aman atau memberikan wawasan yang lebih baik tentang aktivitas seperti semburan matahari atau supernova.

3. Memahami Langit di Masa Lalu

AI juga membantu memetakan alam semesta dengan menganalisis pergerakan langit di masa lampau. Meskipun mungkin tidak ada catatan terperinci tentang langit sepanjang sejarah, sebagian besar langit yang terlihat sebenarnya merupakan representasi masa lalu karena waktu yang dibutuhkan cahaya untuk menempuh perjalanan. Akibatnya, para ilmuwan dapat menggunakan AI untuk memodelkan dan memahami tren sebelumnya di luar angkasa.

Sebuah studi membangun model AI untuk menciptakan katalog lebih dari 17,000 galaksi dekat Bima Sakti. Karena menganalisis area yang sangat jauh dari Bumi, simulasi yang dihasilkan mencerminkan masa lalu yang jauh, mengungkap informasi baru tentang bagaimana benda-benda angkasa telah bergerak selama ribuan tahun. Peta yang dihasilkan mencakup struktur materi gelap yang sebelumnya tidak diketahui para peneliti.

Wawasan semacam itu mengungkap bagaimana galaksi telah bergeser dan saling memengaruhi sepanjang sejarah. Memahami hal itu adalah kunci untuk lebih memahami cara kerja alam semesta dalam skala yang lebih besar.

4. Memprediksi Pergeseran Masa Depan

AI dapat memberikan gambaran sekilas tentang masa depan saat mempelajari masa lalu. Model analisis prediktif telah menerapkan konsep tersebut pada perkiraan penjualan dan pelacakan wabah penyakit, dan dapat melakukan hal yang sama untuk peristiwa besar di angkasa.

Solusi AI yang mensimulasikan pergerakan galaksi historis mengungkap galaksi Bima Sakti dan Andromeda bergerak saling mendekati. Dengan data tambahan dan model prediktif, para ilmuwan mungkin dapat menentukan kapan tabrakan potensial akan terjadi di masa mendatang.

Prediksi yang digerakkan oleh AI sangat membantu dalam skala yang lebih kecil. Analisis prediktif dapat membantu peneliti memprediksi badai matahari atau pergerakan asteroid untuk mengetahui kapan tindakan mungkin diperlukan guna mencegah kerusakan atau gangguan di Bumi.

5. Membuat Peta Planet yang Akurat

Beberapa alat AI mengambil pendekatan yang lebih sempit untuk memetakan alam semesta. Meskipun memahami bintang-bintang itu penting, membuat peta permukaan planet fisik mungkin lebih bermanfaat dalam jangka pendek, terutama saat eksplorasi ruang angkasa meningkat. Penjelajah Mars NASA sudah menggunakan AI untuk navigasi, dan teknologi serupa dapat membuat survei eksoplanet yang terperinci.

Membuat peta geologi planet yang jauh berarti menggabungkan sejumlah besar data dari berbagai sumber. Itu bisa jadi sulit, memakan banyak waktu, dan menyisakan banyak ruang untuk terjadinya kesalahan. AI dapat menyusun informasi untuk membentuk satu sumber kebenaran yang andal dengan lebih cepat dan dengan akurasi yang lebih tinggi.

Pembelajaran mesin dapat menemukan tren dan kesamaan dalam kumpulan data besar yang mungkin diabaikan manusia. Akibatnya, pembelajaran mesin dapat mengidentifikasi struktur geologi yang mungkin terlewatkan oleh para ilmuwan. Alat-alat ini juga dapat mengubah kumpulan data yang berbeda menjadi satu peta yang dapat digunakan untuk membantu eksplorasi lebih lanjut.

6. Mempercepat Garis Waktu Pemetaan

Di semua aplikasi, alat pemetaan AI menyederhanakan waktu yang dibutuhkan untuk menganalisis dan memahami alam semesta. Hal itu penting karena penemuan yang lebih cepat menghasilkan inovasi yang lebih cepat dan membuat penelitian yang lebih mendalam dapat dilakukan bahkan di lingkungan yang terbatas waktu.

Sebuah studi dari para peneliti di Jepang menyoroti potensi ini. Tim tersebut mengembangkan simulator AI untuk memodelkan galaksi dan distribusi materi gelap. hanya butuh satu detik CPU pada laptop untuk menjalankan simulasi, padahal biasanya superkomputer memerlukan waktu puluhan jam. Kecepatan seperti itu juga tidak mengurangi keakuratan.

Jika proses pemetaan memakan waktu lebih sedikit, para ilmuwan dapat melakukannya lebih banyak. Hasilnya, komunitas astronomi dapat memperoleh wawasan tambahan tanpa harus melakukan proyek yang memakan waktu dan mahal yang mungkin lebih sulit untuk mendapatkan pendanaan.

7. Membuat Penelitian Lebih Mudah Diakses

Demikian pula, AI membuat penelitian semacam itu layak dilakukan oleh lebih banyak orang. Seiring dengan semakin singkatnya waktu, biaya terkait pun semakin berkurang. Optimalisasi ini berarti perusahaan yang lebih kecil atau peneliti yang kurang didanai dapat ikut serta dalam jenis penelitian yang sama.

Survei astronomi konvensional bisa menghabiskan biaya miliaran dolar masing-masing — jauh lebih banyak daripada yang dapat ditanggung banyak perusahaan atau lembaga pendidikan. AI mengurangi biaya tersebut dengan beberapa cara. Yang paling jelas adalah bahwa AI mengurangi waktu yang dibutuhkan untuk melakukan penelitian tersebut, tetapi manfaatnya lebih dari itu.

Model pembelajaran mesin yang kompleks dapat memberikan hasil yang dapat diterima dengan lebih sedikit data, sehingga menurunkan biaya terkait. Algoritme siap pakai semakin tersedia secara luas seiring berkembangnya teknologi ini, yang selanjutnya mengurangi biaya teknologi dan waktu pelatihan model. Tren seperti ini akan mendemokratisasi pemetaan ruang, yang mengarah pada keragaman studi yang lebih besar, yang mendorong inovasi.

AI Mengungkap Rahasia Alam Semesta

Para ilmuwan harus memetakan alam semesta dengan lebih rinci agar gelombang eksplorasi ruang angkasa berikutnya dapat dimulai. AI dapat menjadi kunci untuk upaya tersebut.

AI telah mendorong peningkatan yang mengesankan di berbagai bidang penelitian astronomi. AI akan semakin baik seiring dengan semakin banyaknya tim yang menggunakan teknologi ini — parameter ideal akan menjadi lebih jelas dan data yang relevan akan bertambah. Pembelajaran mesin dapat menjadi katalisator untuk perlombaan antariksa kedua di tengah tren ini.