Làm thế nào AI giúp lập bản đồ vũ trụ

Trí tuệ nhân tạo (AI) đã trở thành một công cụ quan trọng để hiểu thế giới. Giờ đây, khi sự quan tâm đến việc khám phá vũ trụ lại tăng lên, nó có thể làm được điều tương tự cho các thế giới khác.

Mặc dù đã có nhiều thập kỷ nghiên cứu, các nhà khoa học vẫn không biết nhiều về vũ trụ ngoài bầu khí quyển của Trái đất. Việc lập bản đồ các hành tinh, ngôi sao, thiên hà và chuyển động của chúng trong không gian sẽ giúp ích, nhưng điều này đã từng là một nhiệm vụ đầy thách thức. AI làm cho nó dễ dàng hơn theo nhiều cách.

1. Xác định các thiên thể

Với việc nhiều phần của vũ trụ quá xa xôi, thường khó để phân biệt giữa các thiên thể khác nhau. Các hệ thống tầm nhìn máy có thể giúp bằng cách phân biệt giữa các thiên thể khi việc này bằng mắt thường sẽ không đáng tin cậy.

Các nhà nghiên cứu tại Đại học Hawaii đã phát triển một mô hình AI đầy hứa hẹn cho mục đích này vào năm 2020. Mạng lưới thần kinh của họ có thể xác định các thiên hà với độ chính xác 98,1% và đạt được độ chính xác 97,8% và 96,6% cho các ngôi sao và các quasar, tương ứng. Kết quả là họ đã có thể biên soạn một danh mục 300 gigabyte về các thiên thể trên ba phần tư bầu trời.

Khi các kính thiên văn và vệ tinh cung cấp thêm nhiều hình ảnh về vũ trụ, các thuật toán phân loại như này có thể làm cho việc giải thích dữ liệu trở nên dễ dàng hơn. Một khi các nhà khoa học biết họ đang nhìn vào gì, họ có thể tiến hành nghiên cứu một cách chính xác.

2. Đo khoảng cách

Lập bản đồ vũ trụ không chỉ là vấn đề biết những gì ở đó. Các nhà nghiên cứu cũng phải đo khoảng cách giữa các thiên thể để hiểu quy mô và chuyển động trong các thiên hà hoặc lên kế hoạch cho các chuyến bay vệ tinh hoặc tàu vũ trụ trong tương lai. AI cũng giúp trong lĩnh vực này.

Việc tính toán khoảng cách bằng cách theo dõi hoạt động của các thiên thể đòi hỏi các phương trình toán học phức tạp – loại phương trình mà AI có thể giải quyết. Một giải pháp đã đạt được độ chính xác 76% trong việc xác định kích thước và khoảng cách giữa các đám mây phân tử bằng cách phân tích dữ liệu từ kính thiên văn vô tuyến. Một giải pháp khác đã đo khoảng cách từ các vụ nổ tia gamma bằng cách theo dõi nguồn cấp dữ liệu từ kính thiên văn mặt đất.

Các công cụ như này cung cấp ước tính đáng tin cậy hơn về quy mô và tốc độ của hoạt động trong vũ trụ rộng lớn. Khi các mô hình được cải thiện với dữ liệu bổ sung, chúng có thể thông báo về việc du hành vũ trụ an toàn hơn hoặc cung cấp cái nhìn sâu sắc hơn về hoạt động như các vụ nổ mặt trời hoặc siêu tân tinh.

3. Hiểu biết về bầu trời trong quá khứ

AI cũng giúp lập bản đồ vũ trụ bằng cách phân tích chuyển động của các thiên thể trong quá khứ. Mặc dù có thể không có hồ sơ chi tiết về bầu trời trong suốt lịch sử, nhưng phần lớn bầu trời mà chúng ta nhìn thấy thực sự là một đại diện của quá khứ vì thời gian cần thiết để ánh sáng di chuyển. Do đó, các nhà khoa học có thể sử dụng AI để mô hình hóa và hiểu các xu hướng trước đây trong không gian.

Một nghiên cứu đã xây dựng một mô hình AI để tạo danh mục hơn 17.000 thiên hà gần thiên hà Milky Way. Vì nó phân tích các khu vực rất xa so với Trái đất, các mô phỏng kết quả phản ánh quá khứ xa xôi, tiết lộ thông tin mới về cách các thiên thể đã di chuyển trong hàng nghìn năm. Bản đồ kết quả bao gồm các cấu trúc vật chất tối mà các nhà nghiên cứu trước đây không biết.

Những hiểu biết như vậy tiết lộ cách các thiên hà đã thay đổi và ảnh hưởng lẫn nhau trong suốt lịch sử. Hiểu điều đó là chìa khóa để hiểu rõ hơn về cách vũ trụ hoạt động trên quy mô lớn.

4. Dự đoán sự thay đổi trong tương lai

AI có thể cung cấp cái nhìn về tương lai khi nó học hỏi về quá khứ. Các mô hình phân tích dự đoán đã áp dụng khái niệm này cho việc dự báo doanh số và theo dõi sự bùng phát của bệnh, và chúng cũng có thể làm được điều tương tự cho các sự kiện thiên văn quan trọng.

Giải pháp AI mô phỏng chuyển động lịch sử của các thiên hà đã tiết lộ rằng thiên hà Milky Way và thiên hà Andromeda đang di chuyển về phía nhau. Với dữ liệu bổ sung và một mô hình dự đoán, các nhà khoa học có thể xác định khi một vụ va chạm tiềm năng có thể xảy ra trong tương lai xa.

Các dự đoán dựa trên AI đặc biệt hữu ích trên quy mô nhỏ hơn. Phân tích dự đoán có thể giúp các nhà nghiên cứu dự đoán các cơn bão mặt trời hoặc chuyển động của các tiểu hành tinh để biết khi nào cần hành động để ngăn chặn thiệt hại hoặc gián đoạn trên Trái đất.

5. Tạo bản đồ hành tinh chính xác

Một số công cụ AI áp dụng một cách tiếp cận hẹp hơn để lập bản đồ vũ trụ. Mặc dù việc hiểu các ngôi sao là quan trọng, nhưng việc tạo bản đồ bề mặt hành tinh vật lý có thể hữu ích hơn trong thời gian tới, đặc biệt là khi việc khám phá vũ trụ tăng lên. Các tàu thám hiểm sao Hỏa của NASA đã sử dụng AI để điều hướng, và các công nghệ tương tự có thể tạo ra các cuộc khảo sát hành tinh ngoài trời chi tiết.

Việc tạo một bản đồ địa chất của một hành tinh xa xôi có nghĩa là kết hợp một lượng lớn dữ liệu từ các nguồn khác nhau. Điều đó có thể là một thách thức, đòi hỏi nhiều thời gian và để lại nhiều không gian cho các lỗi. AI có thể biên soạn thông tin để tạo thành một nguồn thông tin đáng tin cậy và chính xác hơn.

Học máy có thể tìm thấy các xu hướng và sự tương đồng trong các tập dữ liệu lớn mà con người có thể bỏ qua. Do đó, nó có thể xác định các cấu trúc địa chất mà các nhà khoa học khác có thể bỏ qua. Các công cụ này cũng có thể biến một nhóm dữ liệu rời rạc thành một bản đồ duy nhất, hữu ích để hỗ trợ việc khám phá thêm.

6. Tăng tốc thời gian lập bản đồ

Trên tất cả các ứng dụng, các công cụ lập bản đồ AI giúp giảm thời gian cần thiết để phân tích và hiểu vũ trụ. Điều đó quan trọng vì việc khám phá nhanh hơn dẫn đến sự đổi mới nhanh hơn và làm cho nghiên cứu sâu hơn trở nên khả thi ngay cả trong môi trường thời gian bị giới hạn.

Một nghiên cứu từ các nhà nghiên cứu ở Nhật Bản nhấn mạnh tiềm năng này. Đội ngũ đã phát triển một mô phỏng AI để mô hình hóa các thiên hà và phân bố vật chất tối. Nó chỉ mất một giây CPU trên một máy tính xách tay để chạy mô phỏng khi nó thường sẽ mất hàng chục giờ trên một siêu máy tính. Tốc độ như vậy đi kèm với không có sự giảm về độ chính xác.

Khi các quy trình lập bản đồ mất ít thời gian hơn, các nhà khoa học có thể thực hiện nhiều quy trình hơn. Kết quả là cộng đồng thiên văn học có thể có thêm thông tin mà không cần các dự án tốn thời gian và tốn kém có thể khó bảo đảm tài trợ.

7. Làm cho nghiên cứu trở nên dễ tiếp cận hơn

Tương tự, AI làm cho nghiên cứu như vậy trở nên khả thi cho một nhóm người lớn hơn. Khi thời gian biểu giảm, chi phí liên quan cũng giảm. Những tối ưu hóa này có nghĩa là các công ty nhỏ hơn hoặc các nhà nghiên cứu ít được tài trợ có thể tham gia vào cùng một loại nghiên cứu.

Các cuộc khảo sát thiên văn truyền thống có thể tốn hàng tỷ đô la mỗi – nhiều hơn những gì nhiều công ty hoặc tổ chức giáo dục có thể chi trả. AI giảm những chi phí này theo nhiều cách. Điều rõ ràng nhất là nó giảm thời gian cần thiết để thực hiện nghiên cứu như vậy, nhưng lợi ích của nó đi xa hơn.

Các mô hình học máy phức tạp có thể cung cấp kết quả chấp nhận được với ít dữ liệu hơn, giảm chi phí liên quan. Các thuật toán sẵn sàng ngày càng trở nên phổ biến khi công nghệ này phát triển, giảm thêm chi phí công nghệ và thời gian đào tạo mô hình. Các xu hướng như vậy sẽ dân chủ hóa việc lập bản đồ vũ trụ, dẫn đến sự đa dạng hơn của các nghiên cứu, điều này thúc đẩy sự đổi mới.

AI đang mở khóa bí mật của vũ trụ

Các nhà khoa học phải lập bản đồ vũ trụ với chi tiết hơn để làn sóng khám phá vũ trụ tiếp theo có thể bắt đầu. AI có thể là chìa khóa cho nỗ lực đó.

AI đã thúc đẩy những cải tiến ấn tượng trên một lượng lớn nghiên cứu thiên văn. Nó sẽ chỉ trở nên tốt hơn khi nhiều đội hơn chấp nhận công nghệ – các tham số lý tưởng sẽ trở nên rõ ràng hơn và dữ liệu liên quan sẽ tăng trưởng. Học máy có thể là chất xúc tác cho cuộc đua vũ trụ thứ hai trong xu hướng này.