Как ИИ помогает картографировать Вселенную

Искусственный интеллект (ИИ) стал важнейшим инструментом для понимания мира. Теперь, когда интерес к исследованию космоса снова набирает обороты, он может сделать то же самое для других миров.

Несмотря на десятилетия исследований, ученые до сих пор не знают многое о Вселенной за пределами атмосферы Земли. Картирование планет, звезд, галактик и их движений в космосе поможет, но это исторически было сложной задачей. ИИ делает это проще несколькими способами.

1. Идентификация небесных тел

Поскольку большая часть Вселенной находится так далеко, часто бывает трудно определить, что есть что. Системы машинного зрения могут помочь, различая различные небесные тела, когда это было бы ненадежно для человеческого глаза.

Исследователи из Университета Гавайев разработали перспективную модель ИИ для этой цели в 2020 году. Их нейронная сеть могла идентифицировать галактики с точностью 98,1% и достигла точности 97,8% и 96,6% для звезд и квазаров соответственно. В результате они смогли составить каталог объемом 300 гигабайт небесных тел, покрывающий три четверти неба.

По мере того, как телескопы и спутники предоставляют больше информации о Вселенной, алгоритмы классификации, такие как этот, могут сделать более легким интерпретацию данных. Как только ученые узнают, что они смотрят, они могут провести дальнейшие исследования точно.

2. Измерение расстояния

Картирование Вселенной не только вопрос того, что находится там. Исследователям также необходимо измерять расстояния между телами, чтобы понять масштаб и движение через галактики или планировать будущие полеты спутников или космических кораблей. ИИ помогает в этой области.

Расчет расстояния путем мониторинга небесной активности требует сложных математических уравнений — именно того, что умеет ИИ. Одно решение достигло точности 76% в определении размера и расстояния между молекулярными облаками путем анализа данных радиотелескопа. Другое измерило, насколько далеко находятся гамма-всплески, мониторя данные наземных телескопов.

Инструменты, такие как этот, обеспечивают более надежные оценки масштаба и скорости активности во Вселенной. По мере улучшения моделей с дополнительными данными они могут информировать более безопасные космические путешествия или предоставлять лучшее понимание активности, такой как солнечные вспышки или сверхновые.

3. Понимание неба в прошлом

ИИ также помогает картографировать Вселенную, анализируя исторические небесные движения. Хотя может не быть подробных записей о небе на протяжении всей истории, большая часть видимого неба на самом деле является представлением прошлого из-за времени, необходимого для путешествия света. Следовательно, ученые могут использовать ИИ для моделирования и понимания предыдущих тенденций в космосе.

Одно исследование разработало модель ИИ для создания каталога более 17 000 галактик возле Млечного Пути. Поскольку оно анализировало области, находящиеся так далеко от Земли, полученные симуляции отражали далекое прошлое, раскрывая новую информацию о том, как небесные тела перемещались на протяжении тысячелетий. Полученная карта включала структуры темной материи, о которых исследователи ранее не знали.

Такие идеи раскрывают, как галактики смещались и влияли друг на друга на протяжении всей истории. Понимание этого имеет решающее значение для лучшего понимания того, как Вселенная работает на более крупном масштабе.

4. Прогнозирование будущих сдвигов

ИИ может дать представление о будущем, когда он учится о прошлом. Модели прогнозной аналитики уже применили эту концепцию к прогнозированию продаж и отслеживанию вспышек заболеваний, и они могут сделать то же самое для крупных небесных событий.

Искусственный интеллект, который смоделировал исторические движения галактик, показал, что галактики Млечный Путь и Андромеда движутся друг к другу. С дополнительными данными и прогнозной моделью ученые могут определить, когда может произойти потенциальное столкновение в далеком будущем.

Прогнозы, основанные на ИИ, особенно полезны на более мелком масштабе. Прогнозная аналитика может помочь исследователям предсказать солнечные бури или движение астероидов, чтобы знать, когда может потребоваться действие для предотвращения ущерба или нарушений на Земле.

5. Создание точных карт планет

Некоторые инструменты ИИ подходят к картографированию Вселенной более узким способом. Хотя понимание звезд важно, создание карт физических поверхностей планет может быть более полезным в ближайшем будущем, особенно с учетом возобновления исследований космоса. Роверы NASA для исследования Марса уже используют ИИ для навигации, и подобные технологии могут создать подробные обследования экзопланет.

Создание геологической карты далекой планеты означает объединение значительного количества данных из различных источников. Это может быть сложной задачей, требующей много времени и оставляющей значительное пространство для ошибок. ИИ может собрать информацию для формирования надежного единого источника истины быстрее и с большей точностью.

Машинное обучение может находить тенденции и сходства в обширных наборах данных, которые люди могут пропустить. Следовательно, оно может выявить геологические структуры, которые ученые могли бы пропустить иначе. Эти инструменты также могут преобразовать пул разрозненных данных в единую, пригодную для использования карту, чтобы помочь дальнейшему исследованию.

6. Ускорение картографических временных шкал

Во всех приложениях инструменты ИИ для картографирования оптимизируют время, необходимое для анализа и понимания Вселенной. Это важно, поскольку более быстрое открытие приводит к ускорению инноваций и делает более глубокие исследования жизнеспособными даже в условиях ограничения времени.

Исследование японских исследователей подчеркивает этот потенциал. Команда разработала симулятор ИИ для моделирования галактик и распределения темной материи. Он занял всего одну секунду процессора на ноутбуке для запуска симуляции, когда это обычно заняло бы у суперкомпьютера десятки часов. Такая скорость не сопровождалась снижением точности.

Когда процессы картографирования занимают меньше времени, ученые могут выполнять больше из них. В результате астрономическое сообщество может получить дополнительные знания без трудоемких и дорогих проектов, которые могут быть труднее профинансировать.

7. Сделать исследования более доступными

Аналогично, ИИ делает такие исследования жизнеспособными для более широкой группы людей. По мере сокращения сроков сокращаются и связанные с этим затраты. Эти оптимизации означают, что более мелкие компании или менее финансируемые исследователи могут участвовать в том же виде исследования.

Традиционные астрономические обследования могут стоить миллиарды долларов каждый — гораздо больше, чем могут позволить себе многие компании или образовательные учреждения. ИИ снижает эти расходы несколькими способами. Самый очевидный — это то, что он уменьшает время, необходимое для проведения такого исследования, но его преимущества идут дальше.

Сложные модели машинного обучения могут обеспечить приемлемые результаты с меньшим количеством данных, снижая связанные с этим затраты. Готовые алгоритмы становятся более широко доступными по мере роста этой технологии, что еще больше снижает технологические расходы и время обучения модели. Тенденции, такие как эта, будут демократизировать картографирование космоса, что приведет к большему разнообразию исследований и будет способствовать инновациям.

ИИ разблокирует секреты Вселенной

Ученые должны картографировать Вселенную с большей детальностью, чтобы следующая волна исследований космоса могла начаться. ИИ может быть ключом к этому начинанию.

ИИ уже обеспечил впечатляющие улучшения во всей большой области исследований астрономии. Он будет только улучшаться, когда больше команд будут использовать эту технологию — идеальные параметры станут яснее, и актуальные данные будут расти. Машинное обучение может стать катализатором второй космической гонки в этой тенденции.