Hvordan AI hjelper med å kartlegge universet

Kunstig intelligens (AI) har blitt et viktig verktøy for å forstå verden. Nå, da interessen for romforskning øker igjen, kan det gjøre det samme for andre verdener.

Til tross for tiår med forskning, vet vitenskapsmennene fortsatt ikke mye om universet utenfor jordens atmosfære. Å kartlegge planeter, stjerner, galakser og deres bevegelser i rommet vil hjelpe, men dette har historisk sett vært en utfordrende oppgave. AI gjør det lettere på flere måter.

1. Identifisering av himmellegemer

Med så mye av universet så langt unna, er det ofte vanskelig å vite hva som er hva. Maskinvisjonssystemer kan hjelpe med å skille mellom forskjellige himmellegemer når det å gjøre det med det blotte øyet ville være uansvarlig.

Forskere ved University of Hawaii utviklet en lovende AI-modell for dette formålet i 2020. Deres neurale nettverk kunne identifisere galakser med 98,1% nøyaktighet og oppnådde 97,8% og 96,6% nøyaktighet for stjerner og kvasar, henholdsvis. Som resultat kunne de samle en 300-gigabyte katalog over himmellegemer over tre kvartaler av himmelen.

Når teleskoper og satellitter gir mer glimt av universet, kan klassifiseringsalgoritmer som denne gjøre det lettere å tolke dataene. Når vitenskapsmennene vet hva de ser på, kan de utføre videre forskning nøyaktig.

2. Måling av avstand

Å kartlegge universet er ikke bare en måte å vite hva som er der ute. Forskere må også måle avstander mellom legemer for å forstå skala og bevegelse over galakser eller planlegge fremtidige satellitt- eller romfartøyflyvninger. AI hjelper også i dette området.

Å beregne avstand ved å overvåke himmelsk aktivitet krever komplekse matematiske ligninger — den type ligninger som AI er dyktig til. En løsning oppnådde 76% nøyaktighet i å bestemme størrelsen på og avstanden mellom molekylskyer ved å analysere radioteleskopdata. En annen målte hvor langt unna gammastråleutbrudd var ved å overvåke bakke-teleskop-data.

Verktøy som dette gir mer pålitelige estimater av skalaen og hastigheten på aktivitet i det bredere universet. Når modellene blir bedre med mer data, kan de informere tryggere romreiser eller gi bedre innsikt i aktivitet som solstormer eller supernovaer.

3. Forståelse av himmelen i fortiden

AI hjelper også med å kartlegge universet ved å analysere historiske himmelske bevegelser. Selv om det kanskje ikke finnes detaljerte opplysninger om himmelen gjennom hele historien, er mye av den synlige himmelen faktisk en representasjon av fortiden på grunn av tiden det tar for lys å reise. Derfor kan vitenskapsmennene bruke AI til å modellere og forstå tidligere trender i rommet.

En studie bygde en AI-modell for å lage en katalog over over 17 000 galakser nær Melkeveien. Fordi den analyserte områder så langt unna jorden, reflekterte de resulterende simulasjonene den fjerne fortiden, og avdekket ny informasjon om hvordan himmelske legemer har beveget seg over tusen år. Den resulterende kartet inkluderte mørk materie-strukturer forskerne ikke visste om tidligere.

Slike innsikter avslører hvordan galakser har skiftet og påvirket hverandre gjennom historien. Å forstå det er nøkkel til å bedre forstå hvordan universet fungerer på en større skala.

4. Forutsigelse av fremtidige endringer

AI kan gi glimt av fremtiden mens den lærer om fortiden. Prediktive analytikkmodeller har allerede anvendt konseptet til salgsprognoser og sykdomsutbruddssporing, og de kunne gjøre det samme for store himmelske hendelser.

AI-løsningen som simulerer historiske galaksebevegelser avdekket at Melkeveien og Andromeda-galaksen beveger seg mot hverandre. Med mer data og en prediktiv modell, kan vitenskapsmennene kanskje bestemme når en potensiell kollisjon kan skje i den fjerne fremtiden.

AI-drevne forutsigelser er spesielt nyttige på en mindre skala. Prediktive analytikker kunne hjelpe forskere med å forutsi solstormer eller asteroidebevegelser for å vite når handling kan være nødvendig for å forebygge skade eller forstyrrelser på jorden.

5. Opprettelse av nøyaktige planetkarter

Noen AI-verktøy tar en smalere tilnærming til å kartlegge universet. Mens å forstå stjernene er viktig, kan opprettelse av karter over fysiske planetoverflater være mer nyttig på kort sikt, spesielt når romforskningen øker. NASAs Mars-utforskningskjøretøy bruker allerede AI til å navigere, og lignende teknologier kunne lage detaljerte undersøkelser av eksoplaneter.

Å lage en geologisk karta over en fjern planet innebærer å kombinere en betydelig mengde data fra forskjellige kilder. Det kan være utfordrende, ta mye tid og etterlate betydelig rom for feil å skje. AI kan samle informasjonen for å danne en pålitelig enkelt kilde til sannhet raskere og med høyere nøyaktighet.

Maskinlæring kan finne mønster og likheter i store datamengder som mennesker kan overse. Derfor kan det kanskje identifisere geologiske strukturer som vitenskapsmennene ellers ville overse. Disse verktøyene kunne også transformere en samling av forskjellige data til en enkelt, brukbar karta for å hjelpe med videre utforskning.

6. Fremming av kartleggingstider

Over alle anvendelser, strømlinjeformer AI-kartverktøyene tiden det tar å analysere og forstå universet. Det er viktig fordi raskere oppdagelse fører til akselerert innovasjon og gjør dyptere forskning mulig, selv i tidskrevende miljøer.

En studie fra forskere i Japan fremhever dette potensialet. Teamet utviklet en AI-simulator for å modellere galakser og mørk materie-fordeling. Det tok bare ett CPU-sekund på en bærbar datamaskin for å kjøre simulasjonen når det normalt ville ta en superdatamaskin dusinvis av timer. Slik hastighet kom uten noen nedgang i nøyaktighet heller.

Når kartleggingsprosesser tar mindre tid, kan vitenskapsmennene utføre flere av dem. Som resultat kan astronomisamfunnet få ytterligere innsikt uten tidkrevende og dyre prosjekter som kan være vanskeligere å sikre finansiering for.

7. Gjøre forskning mer tilgjengelig

Lignende, gjør AI slik forskning mulig for en større gruppe mennesker. Når tidsrammene krympes, krymper også relaterte kostnader. Disse optimaliseringene betyr at mindre selskaper eller mindre finansierte forskere kan delta i samme type studie.

Konvensjonelle astronomiske undersøkelser kan koste milliarder av dollar hver — langt mer enn mange selskaper eller utdannelsesinstitusjoner kan betale. AI reduserer disse utgiftene på flere måter. Det mest åpenbare er at det reduserer tiden det tar å utføre slik forskning, men fordelen går videre.

Komplekse maskinlæringsmodeller kan levere akseptable resultater med mindre data, og redusere relaterte kostnader. Ferdige algoritmer blir mer tilgjengelige ettersom denne teknologien vokser, og reduserer ytterligere teknologiutgifter og modelltreningstid. Trender som denne vil demokratisere romkartlegging, og føre til en større mangfold av studier, som fremmer innovasjon.

AI åpner opp universets hemmeligheter

Vitenskapsmennene må kartlegge universet med større detalj for den neste bølgen av romforskning å ta av. AI kunne være nøkkelen til det foretaket.

AI har allerede drevet imponerende forbedringer over hele astronomiforskningen. Det vil bare bli bedre når flere team omfavner teknologien — ideelle parametre vil bli klarere og relevant data vil vokse. Maskinlæring kunne være katalysatoren for den andre romkappløpet i denne trenden.