Come AI aiuta a mappare l’universo

L’intelligenza artificiale (AI) è diventata uno strumento fondamentale per comprendere il mondo. Ora, mentre l’interesse per l’esplorazione spaziale riprende slancio, potrebbe fare lo stesso per altri mondi.

Nonostante decenni di ricerca, gli scienziati non sanno ancora molto sull’universo al di là dell’atmosfera terrestre. Mappare pianeti, stelle, galassie e i loro movimenti nello spazio aiuterà, ma storicamente questo è stato un compito difficile. L’AI lo rende più facile in diversi modi.

1. Identificazione di corpi celesti

Con gran parte dell’universo così lontano, spesso è difficile capire cosa sia cosa. I sistemi di visione macchina possono aiutare distinguendo tra diversi corpi celesti quando farlo a occhio nudo sarebbe inaffidabile.

I ricercatori dell’Università delle Hawaii hanno sviluppato un modello di AI promettente a questo scopo nel 2020. La loro rete neurale poteva identificare galassie con un’accuratezza del 98,1% e ha raggiunto un’accuratezza del 97,8% e del 96,6% per stelle e quasar, rispettivamente. Di conseguenza, sono stati in grado di compilare un catalogo di 300 gigabyte dei corpi celesti su tre quarti del cielo.

Mentre telescopi e satelliti forniscono più immagini dell’universo, algoritmi di classificazione come questo potrebbero rendere più facile interpretare i dati. Una volta che gli scienziati sanno cosa stanno guardando, possono condurre ulteriori ricerche in modo accurato.

2. Misurazione della distanza

Mappare l’universo non è solo questione di sapere cosa c’è là fuori. I ricercatori devono anche misurare le distanze tra i corpi per comprendere la scala e il movimento attraverso galassie o pianificare future missioni di satelliti o veicoli spaziali. L’AI aiuta anche in questo settore.

Calcolare la distanza monitorando l’attività celeste richiede equazioni matematiche complesse — il tipo di cui l’AI è capace. Una soluzione ha raggiunto un’accuratezza del 76% nel determinare le dimensioni e lo spazio tra nubi molecolari analizzando i dati del telescopio radio. Un’altra ha misurato quanto lontano siano i lampi di raggi gamma monitorando i feed dei telescopi a terra.

Strumenti come questo forniscono stime più affidabili della scala e della velocità dell’attività nell’universo più ampio. Mentre i modelli migliorano con ulteriori dati, potrebbero informare viaggi spaziali più sicuri o offrire una migliore comprensione di attività come flare solari o supernove.

3. Comprensione dei cieli nel passato

L’AI aiuta anche a mappare l’universo analizzando i movimenti celesti storici. Anche se potrebbero non esserci registri dettagliati sui cieli nella storia, gran parte del cielo visibile è in realtà una rappresentazione del passato a causa del tempo che la luce impiega per viaggiare. Di conseguenza, gli scienziati possono utilizzare l’AI per modellare e comprendere tendenze precedenti nello spazio.

Uno studio ha costruito un modello di AI per creare un catalogo di oltre 17.000 galassie vicino alla Via Lattea. Poiché ha analizzato aree così lontane dalla Terra, le simulazioni risultanti hanno riflesso il passato remoto, svelando nuove informazioni su come i corpi celesti si sono mossi nel corso dei millenni. La mappa risultante includeva strutture di materia oscura che i ricercatori non conoscevano in precedenza.

Tali insight rivelano come le galassie si sono spostate e hanno impattato l’un l’altra nel corso della storia. Comprendere questo è fondamentale per una migliore comprensione di come funziona l’universo su scala più grande.

4. Previsione di spostamenti futuri

L’AI può fornire uno sguardo sul futuro mentre apprende dal passato. I modelli di analisi predittiva hanno già applicato il concetto alla previsione delle vendite e alla tracciabilità degli outbreak di malattie, e potrebbero fare lo stesso per importanti eventi celesti.

La soluzione di AI che ha simulato i movimenti storici delle galassie ha rivelato che la Via Lattea e la galassia di Andromeda si stanno muovendo l’una verso l’altra. Con ulteriori dati e un modello predittivo, gli scienziati potrebbero essere in grado di determinare quando potrebbe verificarsi una collisione potenziale nel lontano futuro.

Le previsioni guidate dall’AI sono particolarmente utili su scala più piccola. L’analisi predittiva potrebbe aiutare i ricercatori a prevedere tempeste solari o movimenti di asteroidi per sapere quando potrebbe essere necessario agire per prevenire danni o interruzioni sulla Terra.

5. Creazione di mappe planetarie accurate

Alcuni strumenti di AI adottano un approccio più ristretto alla mappatura dell’universo. Mentre comprendere le stelle è importante, creare mappe delle superfici fisiche dei pianeti potrebbe essere più utile nel breve termine, specialmente mentre l’esplorazione spaziale riprende. I rover di esplorazione di Marte della NASA utilizzano già l’AI per navigare, e tecnologie simili potrebbero creare indagini dettagliate di esopianeti.

Creare una mappa geologica di un pianeta lontano significa combinare una grande quantità di dati da diverse fonti. Ciò può essere impegnativo, richiedendo molto tempo e lasciando ampio spazio per errori. L’AI può compilare le informazioni per formare una fonte di verità unica affidabile più velocemente e con maggiore accuratezza.

L’apprendimento automatico può trovare tendenze e somiglianze in vasti set di dati che gli esseri umani potrebbero trascurare. Di conseguenza, potrebbe essere in grado di identificare strutture geologiche che gli scienziati altrimenti potrebbero perdere. Questi strumenti potrebbero anche trasformare un insieme di dati disparati in una mappa unica e utilizzabile per aiutare ulteriori esplorazioni.

6. Accelerazione dei tempi di mappatura

In tutte le applicazioni, gli strumenti di mappatura di AI riducono il tempo necessario per analizzare e comprendere l’universo. Ciò è importante perché una scoperta più rapida porta a un’innovazione accelerata e rende possibili ricerche più approfondite anche in ambienti con limiti di tempo.

Uno studio condotto da ricercatori in Giappone evidenzia questo potenziale. Il team ha sviluppato un simulatore di AI per modellare galassie e distribuzione di materia oscura. Ha impiegato solo un secondo di CPU su un laptop per eseguire la simulazione quando normalmente avrebbe richiesto a un supercomputer decine di ore. Tale velocità non è stata accompagnata da una diminuzione dell’accuratezza.

Quando i processi di mappatura richiedono meno tempo, gli scienziati possono eseguirne di più. Di conseguenza, la comunità astronomica può ottenere ulteriori insight senza progetti costosi e lunghi che potrebbero essere più difficili da finanziare.

7. Rendere la ricerca più accessibile

Allo stesso modo, l’AI rende tale ricerca fattibile per un gruppo più ampio di persone. Mentre i tempi di mappatura si riducono, così fanno i costi correlati. Queste ottimizzazioni significano che aziende più piccole o ricercatori con finanziamenti inferiori possono partecipare allo stesso tipo di studio.

Le indagini astronomiche convenzionali possono costare miliardi di dollari ciascuna — molto più di quanto molte aziende o istituzioni educative possano permettersi. L’AI riduce quelle spese in diversi modi. Il più ovvio è che riduce il tempo necessario per condurre tali ricerche, ma i suoi benefici vanno oltre.

Modelli di apprendimento automatico complessi possono fornire risultati accettabili con meno dati, riducendo i costi correlati. Gli algoritmi pronti all’uso stanno diventando più ampiamente disponibili man mano che questa tecnologia cresce, riducendo ulteriormente le spese tecnologiche e il tempo di formazione del modello. Tendenze come questa democratizzeranno la mappatura spaziale, portando a una maggiore diversità di studi, che favorisce l’innovazione.

AI sta svelando i segreti dell’universo

Gli scienziati devono mappare l’universo con maggiore dettaglio perché la prossima ondata di esplorazione spaziale possa decollare. L’AI potrebbe essere la chiave di quell’impresa.

L’AI ha già guidato miglioramenti impressionanti in un vasto corpo di ricerche astronomiche. Sarà solo meglio man mano che più team adotteranno la tecnologia — i parametri ideali diventeranno più chiari e i dati rilevanti cresceranno. L’apprendimento automatico potrebbe essere il catalizzatore per la seconda corsa allo spazio in questo trend.