Hur AI hjälper till att kartlägga universum

Artificiell intelligens (AI) har blivit ett viktigt verktyg för att förstå världen. Nu, när intresset för rymdutforskning återigen ökar, kan den göra detsamma för andra världar.

Trots decennier av forskning vet vetenskapsmännen fortfarande inte mycket om universum bortom jordens atmosfär. Att kartlägga planeter, stjärnor, galaxer och deras rörelser i rymden kommer att hjälpa, men detta har historiskt sett varit en utmanande uppgift. AI gör det lättare på flera sätt.

1. Identifiering av himmelska kroppar

Med så mycket av universum som är så långt borta, är det ofta svårt att veta vad som är vad. Maskinseende-system kan hjälpa till genom att skilja mellan olika himmelska kroppar när det skulle vara opålitligt att göra det med blotta ögat.

Forskare vid University of Hawaii utvecklade en lovande AI-modell för detta ändamål 2020. Deras neurala nätverk kunde identifiera galaxer med 98,1% noggrannhet och uppnådde 97,8% och 96,6% noggrannhet för stjärnor och kvasar, respectively. Som ett resultat kunde de sammanställa en 300-gigabyte-katalog över de himmelska kropparna över tre fjärdedelar av himlen.

När teleskop och satelliter ger mer glimtar av universum, kan klassificeringsalgoritmer som denna göra det lättare att tolka data. När forskare vet vad de tittar på, kan de utföra ytterligare forskning med precision.

2. Mätning av avstånd

Att kartlägga universum är inte bara en fråga om att veta vad som finns där. Forskare måste också mäta avstånd mellan kroppar för att förstå skala och rörelse över galaxer eller planera framtida satellit- eller rymdfärder. AI hjälper också i detta område.

Beräkning av avstånd genom att övervaka himmelska aktiviteter kräver komplexa matematiska ekvationer — den typ som AI är skicklig på. En lösning uppnådde 76% noggrannhet i att bestämma storleken på och avståndet mellan molekylära moln genom att analysera radioteleskopdata. En annan mätte hur långt borta gammastråle-utbrott var genom att övervaka markbaserade teleskop.

Verktyg som detta ger mer tillförlitliga uppskattningar av skalan och hastigheten på aktiviteten i det bredare universum. När modellerna förbättras med ytterligare data, kan de informera om säkrare rymdresor eller erbjuda bättre insikt i aktiviteter som solfläckar eller supernovor.

3. Förstå himlen i det förflutna

AI hjälper också till att kartlägga universum genom att analysera historiska himmelska rörelser. Även om det kanske inte finns detaljerade register över himlen genom historien, är en stor del av den synliga himlen faktiskt en representation av det förflutna på grund av den tid det tar för ljus att resa. Följaktligen kan forskare använda AI för att modellera och förstå tidigare trender i rymden.

En studie byggde en AI-modell för att skapa en katalog över över 17 000 galaxer nära Vintergatan. Eftersom den analyserade områden som var så långt borta från jorden, reflekterade de resulterande simuleringarna det avlägsna förflutna, avslöjade ny information om hur himmelska kroppar har rört sig över årtusenden. Den resulterande kartan innehöll mörk materia-strukturer som forskare inte visste om tidigare.

Sådana insikter avslöjar hur galaxer har förskjutit och påverkat varandra genom historien. Att förstå det är nyckeln till en bättre förståelse av hur universum fungerar på en större skala.

4. Förutsägelse av framtida förändringar

AI kan ge en glimt av framtiden när den lär sig om det förflutna. Prediktiva analytiska modeller har redan tillämpat konceptet på försäljningsprognoser och spårning av sjukdomsutbrott, och de kan göra detsamma för stora himmelska händelser.

AI-lösningen som simulerade historiska galaxrörelser avslöjade att Vintergatan och Andromeda-galaxerna rör sig mot varandra. Med ytterligare data och en prediktiv modell kan forskare kanske kunna bestämma när en potentiell kollision kan inträffa i den avlägsna framtiden.

AI-drivna förutsägelser är särskilt användbara på en mindre skala. Prediktiv analys kan hjälpa forskare att förutsäga solstormar eller asteroidrörelser för att veta när åtgärder kan vara nödvändiga för att förhindra skador eller störningar på jorden.

5. Skapande av precisa planetskartor

Vissa AI-verktyg tar en smalare approach till att kartlägga universum. Medan det är viktigt att förstå stjärnorna, kan skapandet av kartor över fysiska planetsytor vara mer användbart på kort sikt, särskilt när rymdutforskningen ökar. NASA:s Mars-utforskningsrobotar använder redan AI för att navigera, och liknande teknologier kan skapa detaljerade exoplanet-undersökningar.

Att skapa en geologisk karta över en avlägsen planet innebär att kombinera en betydande mängd data från olika källor. Det kan vara utmanande, ta lång tid och lämna betydande utrymme för fel att uppstå. AI kan sammanställa informationen för att bilda en tillförlitlig enda källa till sanning snabbare och med högre noggrannhet.

Maskinlärande kan hitta trender och likheter i stora datamängder som människor kan missa. Följaktligen kan det identifiera geologiska strukturer som forskare annars kan missa. Dessa verktyg kan också omvandla en pool av disparat data till en enda, användbar karta för att underlätta ytterligare utforskning.

6. Påskyndande av kartläggningstider

Över alla tillämpningar strömlinjeformar AI-kartverktyg den tid det tar att analysera och förstå universum. Det är viktigt eftersom snabbare upptäckt leder till accelererad innovation och gör djupare forskning möjlig även i tidsbegränsade miljöer.

En studie från forskare i Japan belyser denna potential. Teamet utvecklade en AI-simulator för att modellera galaxer och mörk materia-fördelning. Det tog bara en CPU-sekund på en bärbar dator för att köra simuleringen när det normalt skulle ta en superdator tiotals timmar. Sådan hastighet kom utan någon minskning av noggrannhet.

När kartläggningsprocesser tar mindre tid, kan forskare utföra fler av dem. Som ett resultat kan astronomisamhället få ytterligare insikt utan tidskrävande och dyra projekt som kan vara svåra att säkra finansiering för.

7. Gör forskning mer tillgänglig

På samma sätt gör AI sådan forskning möjlig för en större grupp människor. När tidsramar minskar, minskar också relaterade kostnader. Dessa optimeringar innebär att mindre företag eller mindre finansierade forskare kan delta i samma typ av studie.

Konventionella astronomi-undersökningar kan kosta miljarder dollar var — mycket mer än vad de flesta företag eller utbildningsinstitutioner kan betala. AI minskar dessa kostnader på flera sätt. Det mest uppenbara är att det minskar den tid det tar att utföra sådan forskning, men dess fördelar går längre.

Komplexa maskinlärningsmodeller kan leverera acceptabla resultat med mindre data, vilket sänker relaterade kostnader. Färdiga algoritmer blir alltmer tillgängliga när tekniken växer, vilket ytterligare minskar teknikutgifter och modelltränings tid. Trender som denna kommer att demokratisera rymdkartläggning, vilket leder till en större mångfald av studier, vilket främjar innovation.

AI låser upp universums hemligheter

Forskare måste kartlägga universum med större detalj för att nästa våg av rymdutforskning ska kunna ta fart. AI kan vara nyckeln till detta företag.

AI har redan drivit imponerande förbättringar över en stor mängd astronomisk forskning. Det kommer att bli bättre när fler team antar tekniken — idealiska parametrar kommer att bli tydligare och relevant data kommer att växa. Maskinlärande kan vara katalysatorn för den andra rymdkapplöpningen i denna trend.