Lentele gravitaționale sunt un instrument important pentru astronomii care doresc să studieze cele mai îndepărtate obiecte din Univers. Această tehnică implică utilizarea unui grup masiv de materie (de obicei o galaxie sau un cluster) între o sursă de lumină îndepărtată și un observator pentru a vedea mai bine lumina provenind de la acea sursă. Într-un efect care a fost prezis de Teoria relativității generale a lui Einstein, acest lucru permite astronomilor să vadă obiecte care altfel ar putea fi ascunse.
Recent, un grup de astronomi europeni au dezvoltat o metodă pentru a găsi lentile gravitaționale în grămezi enorme de date. Folosind aceiași algoritmi de inteligență artificială pe care Google, Facebook și Tesla le-au folosit pentru scopurile lor, au reușit să găsească 56 de noi candidați cu lentile gravitaționale dintr-un sondaj astronomic masiv. Această metodă ar putea elimina nevoia astronomilor de a efectua inspecții vizuale ale imaginilor astronomice.
Studiul care descrie cercetările lor, intitulat „Găsirea lentilelor gravitaționale puternice în Sondajul de grad Kilo cu rețele neuronale convolutive”, a apărut recent în Avize lunare ale Royal Astronomical Society. Condusă de Carlo Enrico Petrillo, de la Institutul Astronomic Kapteyn, echipa a inclus, de asemenea, membri ai Institutului Național de Astrofizică (INAF), Argelander-Institute for Astronomy (AIfA) și Universității din Napoli.
Deși sunt utile astronomilor, lentilele gravitaționale sunt o durere de găsit. În mod obișnuit, aceasta ar consta în astronomi care sortează prin mii de imagini surprinse de telescoape și observatorii. În timp ce instituțiile academice se pot baza pe astronomii amatori și pe astronomii cetățeni ca niciodată, nu există nicio modalitate de a ține pasul cu milioane de imagini care sunt surprinse în mod regulat de instrumente din întreaga lume.
Pentru a aborda acest lucru, dr. Petrillo și colegii săi s-au orientat către ceea ce sunt cunoscute drept „Convulutional Neural Networks” (CNN), un tip de algoritm de învățare automată care extrage date pentru tipare specifice. În timp ce Google a folosit aceleași rețele neuronale pentru a câștiga un meci de Go împotriva campionului mondial, Facebook le folosește pentru a recunoaște lucrurile din imaginile postate pe site-ul său, iar Tesla le-a folosit pentru a dezvolta mașini cu autovehicul.
După cum a explicat Petrillo într-un articol de presă recent al Școlii de Cercetare pentru Astronomie din Olanda:
„Este pentru prima dată când a fost utilizată o rețea neuronală convolutivă pentru a găsi obiecte particulare într-un sondaj astronomic. Cred că va deveni norma, deoarece viitoarele studii astronomice vor produce o cantitate enormă de date care vor fi necesare pentru a fi inspectate. Nu avem suficienți astronomi pentru a face față acestei situații. ”
Apoi, echipa a aplicat aceste rețele neuronale la datele derivate din Kilo-Degree Survey (KiDS). Acest proiect se bazează pe VLT Survey Telescope (VST) de la Observatorul Paranal al ESO din Chile pentru a cartona 1500 de grade pătrate ale cerului nocturn de sud. Acest set de date a fost format din 21.789 de imagini color colectate de OmegaCAM-ul VST, un instrument multiband dezvoltat de un consorți de oameni de știință europeni în colaborare cu ESO.
Toate aceste imagini conțineau exemple de galaxii roșii luminoase (LRG), dintre care trei sunt cunoscute a fi lentile gravitaționale. Inițial, rețeaua neuronală a găsit 761 de candidați gravitaționali în cadrul acestui eșantion. După ce a inspectat vizual acești candidați, echipa a fost în măsură să restrângă lista până la 56 de lentile. Acestea încă trebuie confirmate de telescoapele spațiale în viitor, dar rezultatele au fost destul de pozitive.
După cum indică în studiul lor, o astfel de rețea neurală, atunci când este aplicată la seturi de date mai mari, ar putea dezvălui sute sau chiar mii de lentile noi:
„O estimare conservatoare bazată pe rezultatele noastre arată că prin metoda noastră propusă ar trebui să fie posibilă găsirea a 100 de lentile masive de galaxie LRG la z ~> 0,4 în KiDS atunci când sunt completate. În cel mai optimist scenariu, acest număr poate crește considerabil (până la maxim? 2400 de lentile), atunci când se extinde selecția de mărime a culorii și se antrenează CNN să recunoască sistemele de lentile de separare a imaginilor mai mici.
În plus, rețeaua neuronală a redescoperit două dintre lentilele cunoscute din setul de date, dar a ratat cea de-a treia. Totuși, acest lucru s-a datorat faptului că această lentilă era deosebit de mică și rețeaua neurală nu a fost instruită pentru a detecta lentile de această dimensiune. În viitor, cercetătorii speră să corecteze acest lucru prin instruirea rețelei lor neuronale pentru a observa lentile mai mici și respinge falsele pozitive.
Dar, desigur, scopul final aici este eliminarea nevoii de inspecție vizuală în întregime. În acest sens, astronomii ar fi eliberați de a fi nevoiți să facă o muncă groaznică și ar putea dedica mai mult timp procesului de descoperire. În același mod, algoritmii de învățare automată ar putea fi folosiți pentru a căuta prin date astronomice semnale de unde gravitaționale și exoplanete.
Asemenea modului în care alte industrii încearcă să înțeleagă din terabyte ale consumatorilor sau din alte tipuri de „date mari”, astrofizica și cosmologia de teren ar putea veni să se bazeze pe inteligența artificială pentru a găsi modelele dintr-un Univers de date brute. Și rambursarea este probabil să nu fie altceva decât un proces accelerat de descoperire.
