Bagaimana AI Membantu Membuat Peta Alam Semesta

Kecerdasan buatan (AI) telah menjadi alat yang sangat penting untuk memahami dunia. Sekarang, ketika minat dalam eksplorasi ruang angkasa kembali meningkat, itu bisa melakukan hal yang sama untuk dunia lain.

Meskipun telah dilakukan penelitian selama beberapa dekade, para ilmuwan masih belum mengetahui banyak tentang alam semesta di luar atmosfer Bumi. Membuat peta planet, bintang, galaksi, dan pergerakan mereka di ruang angkasa akan membantu, tetapi ini secara historis merupakan tugas yang menantang. AI membuatnya lebih mudah dengan beberapa cara.

1. Mengidentifikasi Benda Langit

Dengan banyaknya alam semesta yang sangat jauh, seringkali sulit untuk mengetahui apa yang ada di mana. Sistem visi mesin dapat membantu dengan membedakan antara benda langit yang berbeda ketika melakukan hal itu dengan mata telanjang akan tidak dapat diandalkan.

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 kuasar, masing-masing. Sebagai hasilnya, mereka dapat menyusun katalog 300-gigabyte dari benda langit di seluruh tiga perempat langit.

Ketika teleskop dan satelit memberikan lebih banyak gambaran tentang alam semesta, algoritma klasifikasi seperti ini dapat membuatnya lebih mudah untuk menafsirkan data. Setelah para ilmuwan mengetahui apa yang mereka lihat, mereka dapat melakukan penelitian lebih lanjut dengan akurat.

2. Mengukur Jarak

Membuat peta alam semesta tidak hanya masalah mengetahui apa yang ada di luar sana. Peneliti juga harus mengukur jarak antara benda untuk memahami skala dan pergerakan di galaksi atau merencanakan penerbangan satelit atau pesawat ruang angkasa di masa depan. AI membantu dalam area ini juga.

Menghitung jarak dengan memantau aktivitas langit memerlukan persamaan matematika yang kompleks — jenis yang AI kuasai. Salah satu solusi mencapai akurasi 76% dalam menentukan ukuran dan jarak antara awan molekuler dengan menganalisis data teleskop radio. Yang lain mengukur seberapa jauh letusan sinar gamma dengan memantau umpan teleskop darat.

Alat seperti ini memberikan perkiraan yang lebih dapat diandalkan tentang skala dan kecepatan aktivitas di alam semesta yang lebih luas. Ketika model menjadi lebih baik dengan data tambahan, mereka dapat memberikan informasi yang lebih baik tentang aktivitas seperti solar flares atau supernovas.

3. Memahami Langit di Masa Lalu

AI juga membantu membuat peta alam semesta dengan menganalisis pergerakan langit sejarah. Meskipun tidak ada catatan rinci tentang langit sepanjang sejarah, sebagian besar langit yang terlihat sebenarnya merupakan representasi dari masa lalu karena waktu yang dibutuhkan cahaya untuk melakukan perjalanan. Akibatnya, para ilmuwan dapat menggunakan AI untuk memodelkan dan memahami tren sebelumnya di ruang angkasa.

Satu studi membangun model AI untuk membuat katalog lebih dari 17.000 galaksi di dekat Bima Sakti. Karena itu menganalisis area yang sangat jauh dari Bumi, simulasi yang dihasilkan mencerminkan masa lalu yang jauh, mengungkapkan informasi baru tentang bagaimana benda langit telah bergerak selama ribuan tahun. Peta yang dihasilkan termasuk struktur materi gelap yang para peneliti tidak ketahui sebelumnya.

Wawasan seperti itu mengungkapkan bagaimana galaksi telah bergeser dan mempengaruhi satu sama lain sepanjang sejarah. Memahami hal itu adalah kunci untuk memahami bagaimana alam semesta bekerja pada skala yang lebih besar.

4. Memprediksi Perubahan Masa Depan

AI dapat memberikan gambaran tentang masa depan ketika ia mempelajari masa lalu. Model analitik prediktif telah diterapkan pada peramalan penjualan dan pelacakan wabah penyakit, dan mereka bisa melakukan hal yang sama untuk peristiwa langit besar.

Solusi AI yang mensimulasikan pergerakan galaksi sejarah mengungkapkan bahwa Bima Sakti dan galaksi Andromeda bergerak saling mendekati. Dengan data tambahan dan model prediktif, para ilmuwan mungkin dapat menentukan kapan tabrakan potensial mungkin terjadi di masa depan yang jauh.

Prediksi yang didorong oleh AI khususnya membantu pada skala yang lebih kecil. Analitik prediktif bisa membantu peneliti memprediksi badai matahari atau pergerakan asteroid untuk mengetahui kapan tindakan mungkin diperlukan untuk mencegah kerusakan atau gangguan di Bumi.

5. Membuat Peta Planet yang Akurat

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

Membuat peta geologi planet jauh berarti menggabungkan sejumlah besar data dari sumber yang berbeda. Ini bisa menantang, membutuhkan banyak waktu, dan meninggalkan ruang yang cukup besar untuk kesalahan terjadi. AI dapat mengompilasi informasi untuk membentuk sumber tunggal yang dapat diandalkan lebih cepat dan dengan akurasi yang lebih tinggi.

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

6. Mempercepat Waktu Pemetaan

Di seluruh aplikasi, alat pemetaan AI mempercepat waktu yang dibutuhkan untuk menganalisis dan memahami alam semesta. Ini penting karena penemuan yang lebih cepat mengarah pada inovasi yang dipercepat dan membuat penelitian yang lebih dalam menjadi layak bahkan dalam lingkungan yang terbatas waktu.

Studi dari peneliti di Jepang menyoroti potensi ini. Tim mengembangkan simulator AI untuk memodelkan galaksi dan distribusi materi gelap. Ini hanya membutuhkan satu detik CPU di laptop untuk menjalankan simulasi ketika itu biasanya membutuhkan superkomputer berjam-jam. Kecepatan seperti itu tidak disertai dengan penurunan akurasi.

Ketika proses pemetaan membutuhkan waktu yang lebih singkat, para ilmuwan dapat melakukan lebih banyak dari mereka. Sebagai hasilnya, komunitas astronomi dapat memperoleh wawasan tambahan tanpa proyek yang memakan waktu lama dan mahal yang mungkin lebih sulit untuk mendapatkan pendanaan.

7. Membuat Penelitian Lebih Terjangkau

Demikian pula, AI membuat penelitian seperti itu layak untuk sekelompok orang yang lebih besar. Ketika timeline memendek, biaya yang terkait juga berkurang. Optimisasi seperti itu berarti perusahaan yang lebih kecil atau peneliti yang kurang didanai dapat berpartisipasi dalam jenis penelitian yang sama.

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

Model pembelajaran mesin yang kompleks dapat memberikan hasil yang dapat diterima dengan data yang lebih sedikit, mengurangi biaya yang terkait. Algoritma yang sudah jadi menjadi lebih tersedia saat teknologi ini tumbuh, lebih lanjut mengurangi biaya teknologi dan waktu pelatihan model. Tren seperti ini akan mendemokratisasi pemetaan ruang angkasa, mengarah pada keragaman studi yang lebih besar, yang memicu inovasi.

AI Membuka Rahasia Alam Semesta

Para ilmuwan harus membuat peta alam semesta dengan detail yang lebih besar agar gelombang berikutnya dari eksplorasi ruang angkasa dapat dimulai. AI bisa menjadi kunci untuk upaya tersebut.

AI telah menghasilkan perbaikan yang mengesankan di seluruh tubuh penelitian astronomi. Ini akan menjadi lebih baik ketika lebih banyak tim mengadopsi teknologi — parameter ideal akan menjadi lebih jelas dan data yang relevan akan tumbuh. Pembelajaran mesin bisa menjadi katalis untuk lomba ruang angkasa kedua di tengah-tengah tren ini.