Научпоп

30 июля, 20:02

Эксклюзив НВ

Мириады новых открытий. Пять примеров, как искусственный интеллект меняет наши представления о Вселенной

С каждой секундой Вселенная становится больше и больше — как и количество информации о ней. Однако проанализировать все данные о космосе человек уже не в состоянии: здесь нам на выручку приходит искусственный интеллект.

Астрономия — это уже давно не одиноко сидящий не вершине горы ученый, который смотрит в телескоп и изредка что-то записывает в свою тетрадь.

Сейчас это наука данных. Новейшие наземные телескопы, космические обсерватории, моделирования и симуляции — астрономия не стоит на месте и меняется благодаря технологиям.

Информации становится так много, что человеческого ресурса явно недостаточно, чтобы обрабатывать ее в полном объеме и достаточно хорошо. Таким образом искусственный интеллект становится неотъемлемой части этого обновления.

Недавно Европейское космическое агентство опубликовало третий набор данных миссии Gaia. Этот космический телескоп позволил ученым собрать самую подробную карту Млечного Пути на сегодняшний день. Она охватывает миллиарды объектов — звезды, планеты, экзопланеты и их спутники, астероиды, а также галактики за пределами Млечного Пути.

Подпишитесь, чтобы прочитать целиком

Нам необходима ваша поддержка, чтобы заниматься качественной журналистикой

Подписаться
Первый месяц 1 ₴. Отписаться можно в любой момент

Gaia считается одной из самых успешных научных миссий, на базе которой публикуется наибольшее количество научных работ.

Это — десятки петабайт информации, проанализировать которые без использования искусственного интеллекта практически невозможно. Астрономия и ИИ — это идеальный союз, поскольку у ученых есть невероятное количество данных, а их обработка — это идеальная задача для нейросетей.

Среди прочих открытий, которые мы описали в этом материале, выяснилось, что телескоп Gaia способен улавливать «звездотрясения» — небольшие колебания на поверхности звезд, похожие на цунами. Ученые называют это «золотой жилой астросейсмологии», поскольку звездотрясения могут помочь исследователям намного лучше понимать различные процессы, которые происходят внутри звезд.

Как же еще ИИ помогает нам изучать Вселенную?

Моделирование черных дыр и их взаимодействий с окружающей средой

ИИ помогает нам создавать модели и симуляции. Взять, например, взаимодействие звезды и черной дыры, которая ее поглощает. Ученые понимают, как это происходит, однако недавнее моделирование, проведенное специалистами NASA, помогло нам понять некоторые детали подобных процессов — например, почему определенные звезды переживают подобные встречи.

Ученые «создали» шесть виртуальных черных дыр с массой от 100 тыс. до 50 млн солнечных масс. Каждой из них «скормили» по восемь звезд, масса которых варьируется от 0,15 до 10 солнечных. Моделирование подтвердило, что некоторые звезды действительно могут выжить, попав под воздействие гравитации черной дыры: чем плотнее звезда, тем больше у нее шансов пережить столкновение с черной дырой.

Вообще, различные симуляции и моделирования — одна один из немногих доступных нам способов изучать недоступные и малопонятные нам аспекты Вселенной вроде темной материи, темной энергии, антиматерии и черные дыры. Кроме того, именно так мы можем «мотать» время вспять и изучать процессы, которые происходили в первые мгновения после появления Вселенной.

Так, например, моделирование поможет нам понять процесс появления первых сверхмассивных черных дыр, которые в теории не могли появиться так рано, как об этом говорят существующие данные.

Моделирование развития Вселенной

Однако ИИ можно использовать не только для ускоренной обработки определенных данных. Он также может улучшать существующие данные и на их основе создавать свою аналитику или, как минимум, обновлять существующую информацию, чтобы с ней потом работали ученые.

Так, например, сделали американские астрономы: они не просто дали ИИ «творческую свободу», но и создали еще одну нейросеть, которая контролировала его работу. Такой подход называется генеративно-состязательной сетью.

Исследователи хотели понять, как гравитация влияет на темную материю. Для этого они поручили первому ИИ изучать старые модели Вселенной и создавать на их основе более качественные модели. Вторая нейросеть пытается отличить эти модели от моделей, которые были сделаны обычным методом. Со временем ИИ обучаются, адаптируются и работают все быстрее.

Самая левая симуляция выполнялась с низким разрешением. Используя машинное обучение, исследователи увеличили масштаб этой модели, чтобы создать симуляцию с очень высоким разрешением (справа). На ней можно увидеть все практически то же самое, что и обычная модель с высоким разрешением (в центре), однако создание этого изображения требует значительно меньших вычислительных ресурсов / Фото: Y. Li et al. / National Academy of Sciences 2021

Скафандры NASA

Искусственный интеллект не только помогает в различных асбтрактных моделированиях, но и применяется для разработки достаточно материальных вещей — космических скафандров. Так, в 2019 году NASA представило улучшенный скафандр xEMU (Exploration Extravehicular Mobility Units), который астронавты наденут на Луну в рамках миссии Artemis.

Это первое значительное обновление космического скафандра NASA за последние почти 40 лет. ИИ помог инженерам сконструировать часть компонентов астрорюкзака скафандра xEMU, который отвечает за систему жизнеобеспечения астронавта. Это что-то вроде рюкзака, который превращает скафандр из громоздкого куска ткани в личный космический корабль — он управляет питанием, связью, подачей кислорода и регулированием температуры скафандра.

Фото: NASA

Инженеры предоставили ИИ набор требований для максимального размера компонента, веса, который он должен выдержать, или температур, которым он будет подвергаться, и позволили алгоритмам вычислить остальное. Они также использовали генеративно-состязательную сеть, когда два алгоритма «соревнуются» друг с другом и помогают таким образом создать наиболее оптимизированные компоненты скафандра.

Кроме того, ученые использовали также генетические алгоритмы — этот подход чем-то похож на естественный отбор. Нейросети создают несколько проектов, объединяют их, затем берут лучшие из них и повторяют это до тех пор, пока не придут к «идеальному» проекту.

Ученые отмечают, что ИИ помог уменьшить вес некоторых копонентов на 50% — очень хороший показатель, учитывая, что в космосе важен каждый грамм.

Поиск инопланетян

Группа исследователей из Гарварда во главе с Ави Лебом в прошлом году представила проект Галилео. Это десятки телескопов, расположенных в разных точках Земли, каждый из которых будет частью огромной сети детекторов, сканирующих небесное пространство в поисках инопланетных артефактов.

Управлять сетью будет искусственный интеллект. Его задача — различать, где телескопы действительно зафиксируют потенциальную технологию инопланетян, а где детекторы обнаружат какую-нибудь птицу, дрон, самолет или какое-то атмосферное явление. Предварительно у проекта есть три основных направления: получение качественных изображений НЛО (так как большинство современных фото и видеоматериалов очень низкого качества); поиск и изучение межзвездных объектов наподобие Оумуамуа в нашей галактике; поиск инопланетных «разведывательных» зондов.

Сам Леб признает, что шансы действительно зафиксировать инопланетные артефакты достаточно невелики. Однако, если ученым все-таки удастся найти хоть что-то, это будет сравнимо с удачной ставкой на зеро.

Поиск экзопланет

Намного более реалистичное поле, где ИИ уже действует и действует достаточно эффективно — это поиск планет, расположенных в любой звездной системы кроме Солнечной.

Сейчас существует большое количество различных способом поиска экзопланет, однако самым продуктивным методом является изучение яркости звезды во времени. Если свет от звезды на какое-то время «затухает», это может свидетельствовать о том, что между ней и нашей планетой проходит экзопланета. Так, ИИ научился находить подобные планеты с вероятностью 96%.

Астрономы рассчитывают, что в будущем ИИ будет определять обитаемость далеких эксопланет. Для этого нужно, как минимум, найти хотя бы одну подобную планету — в этом нам должны помочь космические телескопы имени Джеймса Уэбба и Нэнси Грейс Роман, который будет запущен уже совсем скоро. Это поможет нам натренировать ИИ, который будет искать похожие экзопланеты в данных, которые будут нам присылать космические телескопы.

Бонус: счастливая случайность

Открытия — штука тонкая, и далеко не все из них были запланированными. К примеру, обнаружение Урана — это на самом деле случайность, когда Кильям Гершель изучал ночное небо в поисках далеких звезд.

Та же ситуация и с алгоритмами — учитывая невероятное количество существующих данных, а также десятки петабайтов, которые будут нам доступны при помощи телескопов Джеймсба Уэбба, Веры Рубин, Нэнси Грейс Роман, Гайя и многих других, ИИ вполне может обнаружить какую-то аномалию совершенно случайно. Чего именно будет касаться это открытие — обнаружения жизни на далекой экзопланете, нового типа звезды или черной дыры, которая все время пряталась недалеко от Солнечной системы — мы и не представляем. Однако определенно напишем об этом :)

Другие новости

Все новости