Gravitačné šošovky sú dôležitým nástrojom pre astronómov, ktorí sa snažia študovať najvzdialenejšie objekty vo vesmíre. Táto technika zahŕňa použitie obrovského zhluku hmoty (zvyčajne galaxie alebo zhluku) medzi vzdialeným svetelným zdrojom a pozorovateľom, aby bolo možné lepšie vidieť svetlo prichádzajúce z tohto zdroja. V skutočnosti, ktorý predpovedal Einsteinova teória všeobecnej relativity, to umožňuje astronómom vidieť objekty, ktoré by inak mohli byť zakryté.
Skupina európskych astronómov nedávno vyvinula metódu na nájdenie gravitačných šošoviek v obrovských hromadách údajov. Použitím rovnakých algoritmov umelej inteligencie, aké použili na svoje účely Google, Facebook a Tesla, dokázali z masívneho astronomického prieskumu nájsť 56 nových kandidátov na gravitačné šošovky. Táto metóda by mohla eliminovať potrebu, aby astronómovia vykonávali vizuálne kontroly astronomických obrazov.
Štúdia, ktorá popisuje ich výskum s názvom „Nájdenie silných gravitačných šošoviek v prieskume Kilo stupňa s konvolučnými neurálnymi sieťami“, sa nedávno objavila v Mesačné oznámenia Kráľovskej astronomickej spoločnosti, V čele s Carlom Enricom Petrilloom z Kapteynského astronomického ústavu boli členmi aj členovia Národného ústavu pre astrofyziku (INAF), Argelanderovho ústavu pre astronómiu (AIfA) a Neapolskej univerzity.
Aj keď sú pre astronómov užitočné, gravitačné šošovky sú bolesťou, ktorú treba nájsť. Zvyčajne by to pozostávalo z astronómov triediacich tisíce obrazov nasnímaných ďalekohľadmi a observatóriami. Aj keď sa akademické inštitúcie môžu spoľahnúť na amatérskych astronómov a občianskych astronómov, ako nikdy predtým, neexistuje žiadny spôsob, ako držať krok s miliónmi snímok, ktoré pravidelne zachytávajú nástroje z celého sveta.
Na vyriešenie tohto problému sa Dr. Petrillo a jeho kolegovia obrátili na tzv. „Konvulzívne neurónové siete“ (CNN), typ algoritmu strojového učenia, ktorý ťaží údaje podľa konkrétnych vzorov. Zatiaľ čo Google používal tieto rovnaké neurónové siete na to, aby vyhral zápas Go proti svetovému šampiónovi, Facebook ich používa na rozpoznávanie vecí na obrázkoch zverejnených na svojich stránkach, a Tesla ich používa na vývoj autovládacích automobilov.
Ako Petrillo vysvetlil v nedávnom tlačovom článku Holandskej výskumnej školy pre astronómiu:
„Je to prvýkrát, čo sa konvolučná neurónová sieť použila na nájdenie zvláštnych objektov v astronomickom prieskume. Myslím si, že sa stane normou, pretože budúce astronomické prieskumy prinesú obrovské množstvo údajov, ktoré bude potrebné skontrolovať. Nemáme dosť astronómov, aby sme sa s tým mohli vyrovnať. “
Tím potom tieto neurónové siete aplikoval na údaje získané z prieskumu Kilo-degree Survey (KiDS). Tento projekt sa spolieha na prieskumný teleskop VLT (VST Survey Telescope, VST) na paranálnom observatóriu ESO v Čile, ktorý mapuje 1500 južných nočnej oblohy. Tento súbor údajov pozostával z 21 789 farebných snímok zozbieraných OmegaCAM VST, multibandového nástroja vyvinutého konzorciom európskeho vedca v spojení s ESO.
Všetky tieto obrázky obsahovali príklady Luminous Red Galaxies (LRG), z ktorých tri boli známe ako gravitačné šošovky. Na začiatku nervová sieť našla v tejto vzorke 761 kandidátov na gravitačné šošovky. Po vizuálnej kontrole týchto kandidátov sa tímu podarilo zúžiť zoznam na 56 šošoviek. Tieto vesmírne teleskopy musia byť v budúcnosti potvrdené, ale výsledky boli celkom pozitívne.
Ako naznačujú vo svojej štúdii, takáto neurónová sieť by pri aplikácii na väčšie súbory údajov mohla odhaliť stovky alebo dokonca tisíce nových šošoviek:
„Konzervatívny odhad založený na našich výsledkoch ukazuje, že pri našej navrhovanej metóde by malo byť možné nájsť? 100 masívnych šošoviek LRG-galaxie pri z ~> 0,4 v KiDS po dokončení. V najoptimistickejšom scenári môže tento počet značne vzrásť (až na maximálne 2400 šošoviek), keď sa rozširuje výber farebnej veľkosti a trénuje sa CNN na rozpoznávanie menších systémov šošoviek na separáciu obrazu. “
Okrem toho nervová sieť znovuobjavila dve zo známych šošoviek v súbore údajov, ale vynechala tretiu. Bolo to však kvôli skutočnosti, že táto šošovka bola obzvlášť malá a neurónová sieť nebola trénovaná na detekciu šošoviek tejto veľkosti. V budúcnosti výskumníci dúfajú, že to napravia tak, že zaškolia svoju nervovú sieť tak, aby si všimli menšie šošovky a odmietli falošné poplachy.
Konečným cieľom je, samozrejme, úplné odstránenie vizuálnej kontroly. Astronómovia by tak boli oslobodení od povinnosti vykonávať prácu a mohli by venovať viac času procesu objavovania. Rovnakým spôsobom by sa mohli použiť algoritmy strojového učenia na vyhľadávanie astronomických údajov o signáloch gravitačných vĺn a exoplanet.
Rovnako ako to, ako sa iné priemyselné odvetvia snažia dať zmysel z terabajtov spotrebiteľov alebo iných typov „veľkých údajov“, mohla by sa poľná astrofyzika a kozmológia spoliehať na umelú inteligenciu, aby našla vzory vo vesmíre prvotných údajov. A návratnosť pravdepodobne nebude nič iné ako zrýchlený proces objavovania.
