ستارهشناسان از این مکان برای شناسایی سیارات فراخورشیدی جدید، آشنایی با ستارههای پیشین که در شکلگیری و گسترش کهکشان راه شیری نقش داشتهاند و پیشبینی نشانههایی مبنی بر وجود انواع مختلف از گرانشی استفاده کردهاند. برای این کار، ستارهشناسان ابتدا از هوش مصنوعی برای تبدیل مدلهای نظری به نشانههای رصدی استفاده میکنند. سپس، ماشینهای ماشینی برای تقویت ماشینهای مصنوعی در پدیدههای پیشبینی شده به کار میبرند.
ریتمهای هوش مصنوعی بهویژه شبکههای عصبی که میتوانند اطلاعات گوناگون را بیاموزند، برای کشف کردن الگوی کشانها و ساختن اسرار کیهان کاملاً مناسب هستند.
یک نمونه دیگر، جستجوی سیارات فراخورشیدی است. ستارهشناسان بیشتر ۵۳۰۰ سیاره فراخورشیدی شناختهشده را با اندازهگیری مقدار نوری کشف کردهاند که از یک سیاره در مقابل یک ستاره عبور میکند، از ستاره میشود. تجهیزات هوش مصنوعی در حال حاضر میتوانند نشانهای یک سیاره فراخورشیدی را با دقت ۹۶ درصد تشخیص دهند.
به گزارش ایسنا و به نقل از فست کمپانی، یکی از خبرهایی که اخیراً توجه جامعه ستارهشناسی را به خود جلب میکند، این بود که عکس یک سیاهچاله دو برابر واضحتر بود. گروه یک پژوهشی، از هوش مصنوعی برای بهبود چشمگیر اولین عکس یک سیاهچاله استفاده کردند که در سال ۲۰۱۹ ثبت شد. این عکس واضحسازیشده، سیاهچاله واقع در مرکز کهکشان «مسیه ۸۷» (M87) را تاریکتر و بزرگتر از اولین عکس نشان میدهد.
هوش مصنوعی ثابت کرده در اجرام شناخته میشود مانند کهکشانها یا سیارات فراخورشیدی که ستارهشناسان میگویند به دنبال آنها باشند، عالی است. از سوی دیگر، هوش مصنوعی در یافتن اجرام پدیدههایی که نظریهپردازی شدهاند، اما هنوز کشف نشدهاند نیز بسیار قوی عمل میکنند.
ستارهشناسان برای کمک 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 15 میلیون مقاله علمی در مورد ستارهشناسی ابداع کردند.
پژوهشگران با استفاده از دادههای شبیهسازی شدهاند، عکسها را ایجاد میکنند که دو برابر واضحتر از عکس اصلی بود و کاملاً با پیشبینیهای نسبیت عام مطابقت داشت.
از آن زمان، کاربرد هوش مصنوعی در همه زمینه های نجوم توسعه یافته است. با قویتر شدن این فناوری، الگوریتمهای هوش مصنوعی به ستارهها کمک میکنند تا مجموعههای بزرگ را بررسی کنند و دانشآموزان را در جهان کشف کنند.
انتهای پیام
این داستان در سایر حوزههای ستارهشناسی نیز تکرار میشود. ستارهشناسانی که روی پروژه «جستجوی هوش فرازمینی» (SETI) کار میکنند، تلسکوپی رادیویی را برای جستجوی نشانههایی از تمدنهای دور به کار میبرند. ستارهشناسان رادیویی در ابتدا رادیویی را با چشم بررسی میکردند تا ناهنجاریهایی را پیدا کنند که قابل توضیح دادن نبودند اما پژوهشگران اخیراً 150 هزار رایانه شخصی و 1.8 میلیون شهروند دانشآموز را برای جستجوی مطالعات رادیویی مصنوعی به کار کردهاند. محققان در حال حاضر از هوش مصنوعی برای بررسی مجموعه دادهها استفاده میکنند که عملکرد آن بسیار سریعتر و کاملتر از انسان است. این کار به ستارهشناسان حوزه جستجوی فرازمینی امکانپذیر است تا بیشتر از زمین را پوشش دهد و در عین حال، شمارشهای مثبت کاذب را به حداقل برسانند.
ستارهشناسی مجموعهای از کارهایی است که به جستجوی سوزن در انبار کاه شباهت دارند. حدود ۹۹ درصد از پیکسلهای یک عکس حاوی تابش پسزمینه، نور منتشر شده از منابع دیگر یا سیاهی فضا هستند. فقط یک درصد از آنها شکل ظریف کهکشانهای کم نور را دارند.
بیشتر بخوانید:
مانند بسیاری از زمینههای زندگی، هوش مصنوعی و مدلهای زبانی بزرگ مانند «ChatGPT» نیز در حوزه ستارهشناسی خود را نشان میدهند.
ارائه پیشبینیها و شکافها
«ادوین هابل» (ادوین هابل) ستارهشناس آمریکایی حدود 100 سال پیش، از تلسکوپهای تازه ساختهشده استفاده کرد تا نشان دهد که جهان نه تنها از ستارهها و ابرهای گازی، بلکه از آنها کهکشانهای بیشماری نیز بسیار است. با ادامه یافتن پیشرفت تلسکوپها، تعداد اجراهای آسمانی که انسانها میتوانند ببینند و تعداد دادههایی که ستارهشناسان باید مرتبسازی شوند، بهطور طبیعی افزایش یافتهاند.
کشف الگوی کهکشانها
تلسکوپی های بهتر، داده های بیشتر
در حال حاضر ۲۰ تلسکوپ وجود دارد که قطر آینههای آنها بزرگتر از ۲۰ فوت است. الگوریتمهای هوش مصنوعی، تنها فناوریهایی هستند که ستارهشناسان میتوانند امیدوار باشند که روی تمام دادههای موجود در آنها کار کنند. روشی وجود دارد که نشان میدهند هوش مصنوعی در پردازش چنین دادههایی سودمند است.
گروه دیگری که در ناسا مستقر هستند، از هوش مصنوعی برای پروتکل پروژههای ستارهشناسی پیشنهاد کردهاند که ستارهشناسان هر ۱۰ سال یک بار در آن شرکت میکنند.
الگوریتمهای هوش مصنوعی، به ویژه شبکههای عصبی که از گرهها به هم پیوسته است، میتوان استفاده کرد و میتوان الگوها را بیاموزند، برای کشف الگوی کهکشانها کاملاً مناسب هستند. ستارهشناسان از اوایل دهه ۲۰۱۰، استفاده از شبکههای عصبی را برای طبقهبندی کهکشانها آغاز کردند. اکنون الگوریتمها آنقدر توانمند هستند که میتوانند کهکشانها را با دقت ۹۸ درصد طبقهبندی کنند.
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 شماره میرفت و تنها چیزهای قابل دیدن، چند هزار ستاره و تعداد انگشتشماری سیاره بودند.
ستارهشناسان رادیویی در نهایت از الگوریتمهای مصنوعی برای بررسی عواملی که میتوانند با پدیدههای شناختهشده مطابقت داشته باشند، استفاده میکنند. اخیرا گروهی از پژوهشگران آفریقای جنوبی، یک جرم منحصربهفرد را پیدا کرده است که ممکن است بقایای ادغام انفجاری دو سیاهچاله کلانجرم باشد. اگر این حدس درست باشد، دادهها میتوانند آزمایش را روی نظریه «نسبیت عام» انجام دهند.
اکتشافات جدید
به عنوان مثال، «رصدخانه ورا روبین» (رصدخانه Vera Rubin) 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 دارد. انتظار میرود این رصدخانه طی ۱۰ سال آینده، ۰.۵ اگزابایت تولید کند که حدود ۵۰ هزار برابر اطلاعات همه کتابهای موجود در «کتابخانه کنگره» (Library of Congress) آمریکا است.
اولین عکس تاریخ از یک سیاهچاله، به دست هوش مصنوعی اصلاح شد
با پیشرفت هوش مصنوعی، این فناوری به یک نیاز برای ستاره شناسان 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.
پژوهشگرانی در سال ۲۰۱۹ اولین عکس را از یک سیاهچاله که از هوش مصنوعی برای تولید عکس استفاده کردند. برای این کار، آنها ابتدا با ساختن بسیاری از سیاهچالهها، به یک هوش مصنوعی یاد کردند که چگونه سیاهچالهها را تشخیص دادند. سپس، آنها را از مدل های مصنوعی برای ساخت شکاف های موجود در حجم های بزرگ از داده های جمع آوری شده توسط تلسکوپی رادیویی پیرامون سیاهچاله مسیه ۸۷ استفاده کردند.
ستارهشناسان دهههاست که از هوش مصنوعی استفاده میکنند. در سال ۱۹۹۰، ستارهشناسان «دانشگاه آریزونا» U of A) از اولین افرادی بودند که نوعی مصنوعی مصنوعی به شبکه عصبی را برای شکلی که کارکشانها را به کار بردند، مطالعه کردند.