هوش مصنوعی به منجمان در کشف اسرار کیهان چه کمکی می‌کند؟

الگوریتم‌های هوش مصنوعی به‌ ویژه شبکه‌های عصبی که می‌توانند اطلاعات گوناگون را بیاموزند، برای کشف کردن الگوی کهکشان‌ها و آشکار ساختن اسرار کیهان کاملا مناسب هستند.

به گزارش ایسنا و به نقل از فست کمپانی، یکی از خبرهایی که اخیرا توجه جامعه ستاره‌شناسی را به خود جلب کرد، این بود که عکس معروف یک سیاه‌چاله دو برابر واضح‌تر شد. یک گروه پژوهشی، از هوش مصنوعی برای بهبود چشمگیر نخستین عکس یک سیاه‌چاله استفاده کردند که در سال ۲۰۱۹ ثبت شده بود. این عکس واضح‌سازی‌شده، سیاه‌چاله واقع در مرکز کهکشان «مسیه ۸۷»(M87) را تاریک‌تر و بزرگ‌تر از نخستین عکس نشان می‌دهد.

بیشتر بخوانید:

اولین عکس تاریخ از یک سیاه‌چاله، به دست هوش مصنوعی اصلاح شد

ستاره‌شناسان دهه‌هاست که از هوش مصنوعی استفاده می‌کنند. در سال ۱۹۹۰، ستاره‌شناسان «دانشگاه آریزونا»(U of A) از نخستین افرادی بودند که نوعی هوش مصنوعی به نام شبکه عصبی را برای مطالعه شکل کهکشان‌ها به کار بردند.

از آن زمان، کاربرد هوش مصنوعی در همه زمینه‌های نجوم گسترش یافته است. با قوی‌تر شدن این فناوری، الگوریتم‌های هوش مصنوعی به ستاره‌شناسان کمک می‌کنند تا مجموعه‌های بزرگ داده را مورد بررسی قرار دهند و دانش جدیدی را در مورد جهان کشف کنند.

تلسکوپ‌های بهتر، داده‌های بیشتر

ستاره‌شناسی همیشه شامل تلاش برای درک انبوه اجرام حاضر در آسمان شب بوده است. وقتی تنها ابزارها چشم غیر مسلح یا یک تلسکوپ ساده بودند، این یک کار نسبتا ساده به شمار می‌رفت و تنها چیزهای قابل دیدن، چند هزار ستاره و تعداد انگشت‌شماری سیاره بودند.

«ادوین هابل»(Edwin Hubble) ستاره‌شناس آمریکایی حدود ۱۰۰ سال پیش، از تلسکوپ‌های تازه ساخته‌شده استفاده کرد تا نشان دهد که جهان نه تنها از ستاره‌ها و ابرهای گازی، بلکه از کهکشان‌های بی‌شماری نیز سرشار است. با ادامه یافتن پیشرفت تلسکوپ‌ها، تعداد اجرام آسمانی که انسان‌ها می‌توانند ببینند و تعداد داده‌هایی که ستاره‌شناسان باید مرتب‌سازی کنند نیز به طور تصاعدی افزایش یافته است.

به عنوان مثال، «رصدخانه ورا روبین»(Vera Rubin Observatory) در شیلی که به زودی تکمیل می‌شود، عکس‌ها را به قدری بزرگ می‌کند که برای مشاهده کامل هر یک از آنها به ۱۵۰۰ نمایشگر تلویزیون با کیفیت بالا نیاز است. انتظار می‌رود این رصدخانه طی ۱۰ سال آینده، ۰.۵ اگزابایت داده تولید کند که حدود ۵۰ هزار برابر اطلاعات همه کتاب‌های موجود در «کتابخانه کنگره»(Library of Congress) آمریکا است.

در حال حاضر ۲۰ تلسکوپ وجود دارند که قطر آینه‌های آنها بزرگ‌تر از ۲۰ فوت است. الگوریتم‌های هوش مصنوعی، تنها فناوری‌هایی هستند که ستاره‌شناسان می‌توانند امیدوار باشند که روی تمام داده‌های امروزی در دسترس آنها کار کنند. چندین روش وجود دارد که نشان می‌دهند هوش مصنوعی در پردازش چنین داده‌هایی سودمند است.

کشف الگوی کهکشان‌ها

ستاره‌شناسی اغلب شامل کارهایی است که به جستجوی سوزن در انبار کاه شباهت دارند. حدود ۹۹ درصد از پیکسل‌های یک عکس حاوی تابش پس‌زمینه، نور منتشرشده از منابع دیگر یا سیاهی فضا هستند. فقط یک درصد از آنها شکل ظریف کهکشان‌های کم نور را دارند.

الگوریتم‌های هوش مصنوعی، به ‌ویژه شبکه‌های عصبی که از گره‌های به هم پیوسته زیادی استفاده می‌کنند و می‌توانند الگوها را بیاموزند، برای کشف الگوی کهکشان‌ها کاملا مناسب هستند. ستاره‌شناسان از اوایل دهه ۲۰۱۰، استفاده کردن از شبکه‌های عصبی را برای طبقه‌بندی کهکشان‌ها آغاز کردند. اکنون الگوریتم‌ها آن قدر مؤثر هستند که می‌توانند کهکشان‌ها را با دقت ۹۸ درصد طبقه‌بندی کنند.

این داستان در سایر حوزه‌های ستاره‌شناسی نیز تکرار شده است. ستاره‌شناسانی که روی پروژه «جستجوی هوش فرازمینی»(SETI) کار می‌کنند، تلسکوپ‌های رادیویی را برای جستجوی نشانه‌هایی از تمدن‌های دور به کار می‌برند. ستاره‌شناسان رادیویی در ابتدا نمودارها را با چشم بررسی می‌کردند تا ناهنجاری‌هایی را پیدا کنند که قابل توضیح دادن نبودند اما پژوهشگران اخیرا ۱۵۰ هزار رایانه شخصی و ۱.۸ میلیون شهروند دانشمند را برای جستجوی سیگنال‌های رادیویی مصنوعی به کار گرفتند. پژوهشگران در حال حاضر از هوش مصنوعی برای بررسی کردن مجموعه داده‌ها استفاده می‌کنند که عملکرد آن بسیار سریع‌تر و کامل‌تر از انسان است. این کار به ستاره‌شناسان حوزه جستجوی هوش فرازمینی امکان می‌دهد تا بخش بیشتری از زمین را پوشش دهند و در عین حال، تعداد سیگنال‌های مثبت کاذب را به حداقل برسانند.

یک نمونه دیگر، جستجوی سیارات فراخورشیدی است. ستاره‌شناسان بیشتر ۵۳۰۰ سیاره فراخورشیدی شناخته‌شده را با اندازه‌گیری افت مقدار نوری کشف کردند که هنگام عبور یک سیاره از مقابل یک ستاره، از ستاره منتشر می‌شود. تجهیزات هوش مصنوعی در حال حاضر می‌توانند نشانه‌های یک سیاره فراخورشیدی را با دقت ۹۶ درصد تشخیص دهند.

اکتشافات جدید

هوش مصنوعی ثابت کرده در شناسایی اجرام شناخته‌شده مانند کهکشان‌ها یا سیارات فراخورشیدی که ستاره‌شناسان می‌گویند به دنبال آنها باشد، عالی است. از سوی دیگر، هوش مصنوعی در یافتن اجرام یا پدیده‌هایی که نظریه‌پردازی شده‌ اما هنوز کشف نشده‌اند نیز بسیار قوی عمل می‌کند.

ستاره‌شناسان از این رویکرد برای شناسایی سیارات فراخورشیدی جدید، آشنایی با ستارگان پیشین که در شکل‌گیری و گسترش کهکشان راه شیری نقش داشته‌اند و پیش‌بینی نشانه‌هایی مبنی بر وجود انواع جدیدی از امواج گرانشی استفاده کرده‌اند. برای این کار، ستاره‌شناسان ابتدا از هوش مصنوعی برای تبدیل کردن مدل‌های نظری به نشانه‌های رصدی استفاده می‌کنند. سپس، یادگیری ماشینی را برای تقویت کردن توانایی هوش مصنوعی در شناسایی پدیده‌های پیش‌بینی‌شده به کار می‌برند.

ستاره‌شناسان رادیویی در نهایت از الگوریتم‌های هوش مصنوعی برای بررسی کردن سیگنال‌هایی استفاده می‌کنند که با پدیده‌های شناخته‌شده مطابقت ندارند. اخیرا گروهی از پژوهشگران آفریقای جنوبی، یک جرم منحصربه‌فرد را پیدا کرده‌اند که ممکن است بقایای ادغام انفجاری دو سیاهچاله کلان‌جرم باشد. اگر این حدس درست باشد، داده‌ها امکان انجام دادن آزمایش جدیدی را روی نظریه «نسبیت عام» اینشتین فراهم خواهند کرد.

ارائه پیش‌بینی‌ها و پر کردن شکاف‌ها

مانند بسیاری از زمینه‌های زندگی، هوش مصنوعی مولد و مدل‌های زبانی بزرگ مانند «ChatGPT» اخیرا در حوزه ستاره‌شناسی نیز خود را نشان می‌دهند.

پژوهشگرانی که در سال ۲۰۱۹ نخستین عکس را از یک سیاه‌چاله گرفتند، از هوش مصنوعی مولد برای تولید عکس استفاده کردند. برای این کار، آنها ابتدا با شبیه‌سازی انواع بسیاری از سیاه‌چاله‌ها، به یک هوش مصنوعی یاد دادند که چگونه سیاهچاله‌ها را تشخیص دهد. سپس، آنها از مدل هوش مصنوعی برای پر کردن شکاف‌های موجود در حجم بزرگی از داده‌های جمع‌آوری‌شده توسط تلسکوپ‌های رادیویی پیرامون سیاه‌چاله مسیه ۸۷ استفاده کردند.

پژوهشگران با استفاده از داده‌های شبیه‌سازی‌شده توانستند عکس جدیدی را ایجاد کنند که دو برابر واضح‌تر از عکس اصلی بود و کاملا با پیش‌بینی‌های نسبیت عام مطابقت داشت.

ستاره‌شناسان برای کمک کردن به کاهش پیچیدگی پژوهش‌های مدرن نیز به هوش مصنوعی روی می‌آورند. گروهی از پژوهشگران «مرکز اخترفیزیک هاروارد اسمیتسونین»(CFA)، یک مدل زبانی به نام «استروبرت»(astroBERT) را برای خواندن و سازمان‌دهی کردن ۱۵ میلیون مقاله علمی در مورد ستاره‌شناسی ابداع کردند.

گروه دیگری که در ناسا مستقر هستند، استفاده کردن از هوش مصنوعی را برای فرآیند اولویت‌بندی پروژه‌های ستاره‌شناسی پیشنهاد کرده‌اند که ستاره‌شناسان هر ۱۰ سال یک بار در آن شرکت می‌کنند.

با پیشرفت هوش مصنوعی، این فناوری به یک نیاز ضروری برای ستاره‌شناسان تبدیل شده است. با بهتر شدن تلسکوپ‌ها، بزرگ‌تر شدن مجموعه داده‌ها و ادامه یافتن بهبود هوش مصنوعی، این فناوری احتمالا نقش اصلی را در اکتشافات آینده پیرامون کیهان ایفا خواهد کرد.

انتهای پیام