En konstnärs illustration av två svarta hål som spiralerar tillsammans och skapar gravitationsvågor under rymden.
(Bild: © NASA)
Ett nytt program som använder konstgjord intelligens kan hjälpa till snabbt att upptäcka och analysera gravitationsvågor - krusningar i rymdtidens kosmiska tyg - från katastrofala händelser som kollisioner mellan svarta hål, konstaterar en ny studie.
Den nya tekniken, kallad djupfiltrering, kan hjälpa forskare att se kataklysmiska händelser som den nuvarande programvaran kanske inte upptäcker, till exempel titaniska sammanslagningar i galaxernas hjärtan, enligt författarna till en ny artikel som beskriver arbetet.
Gravitationsvågor är krusningar i rummet och tiden. De genereras när något föremål med massa rör sig, och de reser med ljusets hastighet, sträcker sig och pressar utrymme-tid längs vägen.
Gravitationsvågor är utomordentligt svåra att upptäcka, och de som forskare kan upptäcka kommer från exceptionellt massiva föremål. Även om förekomsten av gravitationsvågor först förutspåddes av Albert Einstein 1916, tog det över ett sekel för forskare att framgångsrikt upptäcka de första direkta bevisen på gravitationsvågor, med hjälp av Laser Interferometer Gravitational-Wave Observatory (LIGO) för att upptäcka gravitationella efterdyningarna av två svarta hål som krossar ihop.
Upptäckten av gravitationsvågor fick tre forskare Nobelpriset 2017 i fysik i oktober 2017. Sedan dess har forskare också upptäckt gravitationella vågor från ett kolliderande par döda stjärnor som kallas neutronstjärnor - fynd som kan ha bidragit till att lösa det årtionden gamla mysteriet om hur några av universums tunga element skapades.
Men programvaran som för närvarande analyserar de signaler som gravitationsvågobservatorier upptäcker kan ta flera dagar för att begränsa vilken typ av händelse som kan ha genererat dessa gravitationsvågor, berättade medförfattare Eliu Huerta till Space.com i en intervju.
Dessutom är denna programvara specialiserad för att upptäcka sammanslagningar mellan föremål som är i grovt cirkulära banor med varandra och relativt isolerade från deras omgivningar, enligt Huerta, en teoretisk astrofysiker vid University of Illinois i Urbana-Champaign National Center for Supercomputing Applications. Programvaran kommer sannolikt inte att upptäcka gravitationsvågor från föremål i områden där stjärnor är tätt packade tillsammans, till exempel kärnorna i galaxer, där gravitationella drag från närliggande stjärnor kan förvrida banor från cirkulär till mer "excentrisk" eller oval form, Huerta sa.
Nu föreslår studieförfattarna att mjukvara för konstgjord intelligens kan hjälpa till att påskynda analysen av gravitationsvågor, såväl som "[aktivera] upptäckten av nya klasser av gravitationsvågkällor som kan komma obemärkt med befintliga detekteringsalgoritmer," Huerta berättade för Space.com.
Den nya AI-programvaran involverar konstgjorda neurala nätverk, där konstgjorda komponenter som kallas "neuroner" matas data och samarbetar för att lösa ett problem, till exempel att känna igen en bild. Ett neuralt nätverk justerar sedan upprepade gånger anslutningarna mellan dess nervceller och ser om dessa nya anslutningsmönster är bättre på att lösa problemet. Med tiden avslöjar denna process med prövning och fel vilka mönster som är bäst vid datorlösningar, vilket efterliknar lärandeprocessen i den mänskliga hjärnan.
Medan konventionella tekniker kan ta flera dagar för att begränsa funktionerna i gravitationshändelser från detektordata, kan banbrytande neurala nätverk kända som "djupa invändiga neurala nätverk" göra det inom en sekund, fann forskarna. Medan konventionella metoder skulle behöva tusentals CPU: er (de centrala processorenheterna för datorer) för att utföra denna uppgift, fungerade den nya tekniken "även med en enda CPU - det vill säga med din smartphone eller en vanlig bärbar dator", sa Huerta.
Dessutom fann forskarna att denna nya teknik också snabbt skulle kunna analysera sammanslagningar som är mer komplexa än nuvarande mjukvara kan analysera, till exempel sammanslagningar som involverar svarta hål i excentriska banor. Den nya programvaran hade också lägre felhastigheter och var bättre på att upptäcka glitches i data.
Huerta och Daniel George, en beräknande astrofysiker vid University of Illinois vid Urbana-Champaign National Center for Supercomputing Applications, detaljerade sina resultat online 27 december i tidskriften Physics Letters B.
