Posmatranje, simulacija i AI udružuju snage kako bi otkrili jasan svemir

Japanski astronomi razvili su novu tehniku umjetne inteligencije (AI) za uklanjanje šuma u astronomskim podacima zbog nasumičnih varijacija u oblicima galaksija. Nakon opsežne obuke i testiranja na velikim lažnim podacima stvorenim simulacijama superkompjutera, oni su zatim primijenili ovaj novi alat na stvarne podatke japanskog Subaru teleskopa i otkrili da je distribucija mase izvedena korištenjem ove metode u skladu sa trenutno prihvaćenim modelima Univerzuma. Ovo je moćan novi alat za analizu velikih podataka iz trenutnih i planiranih astronomskih istraživanja.

Podaci istraživanja širokog područja mogu se koristiti za proučavanje strukture svemira velikih razmjera putem mjerenja uzoraka gravitacijskih sočiva. U gravitacionom sočivanju, gravitacija objekta u prvom planu, poput skupa galaksija, može izobličiti sliku objekta u pozadini, kao što je udaljenija galaksija. Neki primjeri gravitacionog sočiva su očigledni, kao što je "Horusovo oko". Struktura velikih razmjera, koja se sastoji uglavnom od misteriozne "tamne" materije, također može iskriviti oblike udaljenih galaksija, ali očekivani efekat sočiva je suptilan. Usrednjavanje mnogih galaksija u nekom području je potrebno da bi se napravila mapa distribucije tamne materije u prvom planu.

Ali ova tehnika gledanja na mnoge slike galaksije nailazi na problem; neke galaksije su samo urođeno pomalo smiješne. Teško je razlikovati sliku galaksije izobličenu gravitacijskim sočivom i galaksiju koja je zapravo izobličena. Ovo se naziva šumom oblika i jedan je od ograničavajućih faktora u istraživanju koje proučava strukturu svemira velikih razmjera.

Šematski prikaz umjetne inteligencije korištene u ovoj studiji, adversarial generative network (GAN). Prva mreža, nazvana generator slike G, procjenjuje i emituje mapu denoised objektiva iz mape sočiva sa bukom. Druga mreža, diskriminator slike D, upoređuje mapu sočiva koju je kreirao G sa pravom mapom sočiva bez šuma i identifikuje sliku koju je kreirao G kao lažnu. Unošenjem velikog broja parova sočiva bez šuma/šuma u dvije mreže, G je obučen da pravi mape objektiva koje su bliže originalima, a D je obučen da preciznije uoči lažne koje je napravio G. U ovoj studiji , 25,000 pari bučnih i bezšumnih mapa sočiva dobijenih iz numeričkih simulacija korištenjem ATERUI II korišteno je za stvaranje stabilne mreže. Konačno, obučeni generator slike G procjenjuje mapu sočiva bez šumova na osnovu stvarno uočene bučne mape opservacijskih sočiva. Kredit: NAOJ
Kako bi kompenzirao šum oblika, tim japanskih astronoma je prvi put koristio ATERUI II, najmoćniji svjetski superkompjuter posvećen astronomiji, za generiranje 25,000 lažnih kataloga galaksija na osnovu stvarnih podataka sa Subaru teleskopa. Zatim su dodali realističnu buku ovim savršeno poznatim vještačkim skupovima podataka i obučili AI da statistički povrati tamnu materiju sočiva iz lažnih podataka.

Nakon treninga, AI je uspio oporaviti do tada neprimjetne fine detalje, pomažući da poboljšamo naše razumijevanje kosmičke tamne materije. Zatim, koristeći ovu AI na stvarnim podacima koji pokrivaju 21 kvadratni stepen neba, tim je pronašao distribuciju mase u prednjem planu u skladu sa standardnim kosmološkim modelom.

„Ovo istraživanje pokazuje prednosti kombinovanja različitih vrsta istraživanja: zapažanja, simulacija i analize podataka AI“, kaže Masato Shirasaki, vođa tima, „U ovoj eri velikih podataka, moramo prekoračiti tradicionalne granice između specijalnosti i koristiti sve dostupne alate za razumijevanje podataka. Ako to možemo učiniti, otvorit će se nova polja u astronomiji i drugim naukama.”