天文学者が AI を使用して新しい望遠鏡からの大量のデータを準備

これは今後10年間に他の場所でも繰り返される問題だ。 天文学者は空全体を撮影するために巨大なカメラを構築し、遠くの惑星を探すために赤外線望遠鏡を打ち上げ、前例のない規模でデータを収集することになります。

ハーバード・スミソニアン天体物理学センターの計算天体物理学者であるセシリア・ガラフォ氏は、「私たちは本当にその準備ができていません。私たち全員が慌てふためいているはずです」と言う。 「データが多すぎて、それを処理するテクノロジーがない場合は、データがないのと同じです。」

情報の氾濫に備えて、天文学者たちは AI に支援を求め、大規模で悪名高い複雑なパターンを見つけ出すアルゴリズムを最適化しています。 データセット。 一部の機関は現在、コンピューターサイエンスと天文学の分野を融合させることに特化した研究所の設立に取り組んでおり、新しいパートナーシップの条件に取り組んでいる。

2022 年 11 月、ガラッフォ氏は天体物理学センターでパイロット プログラムとして AstroAI を設立しました。 それ以来、彼女は 50 人を超えるメンバーからなる学際的なチームを結成し、宇宙がどのように始まったのか、宇宙の中で私たちは孤独なのかといった深い疑問に焦点を当てた数十のプロジェクトを計画してきました。 過去数年にわたり、いくつかの同様の連合がガラッフォ氏の先導に従い、大規模な機関に規模を拡大するための資金調達を競っている。

Garraffo 氏は、天文学、物理学、コンピューター サイエンスの分野でキャリアを行き来しながら、AI モデルの潜在的な有用性を認識していました。 その過程で、彼女はこれまでのコラボレーションの取り組みにおける大きな障害、つまり言語の壁にも気づきました。 多くの場合、天文学者とコンピューター科学者は、同様の概念を説明するのに異なる言葉を使用するため、力を合わせるのに苦労します。 ガラッフォさんは、アルゼンチンで英語のみの学校で育ったので、翻訳の問題には慣れています。 その経験を活かして、彼女は両方のコミュニティの人々を同じ屋根の下に置き、共通の目標を特定し、コミュニケーション方法を見つけることができるように取り組んできました。

天文学者はすでに何年も前から、主に望遠鏡データ内の超新星などの既知の天体を分類するために AI モデルを使用していました。 来年ベラ・C・ルービン天文台が開通し、年間の超新星検出数が数百から数百万に急速に増えると、この種の画像認識はますます重要になるだろう。 しかし、AI アプリケーションの新しい波は、マッチング ゲームをはるかに超えています。 最近、アルゴリズムは「教師なしクラスタリング」を実行するように最適化されています。これは、具体的に何を探すべきか指示されずにデータ内のパターンを抽出するものです。 これにより、天文学者が現在気づいていない影響や関係を指し示すモデルへの扉が開かれます。 これらの計算ツールは初めて、天文学者に「未知のものを体系的に探索する」能力を提供するとガラッフォ氏は言う。 1 月、AstroAI の研究者は、この方法を使用して、分類するのが難しい X 線源からの 14,000 件を超える検出結果をカタログ化しました。

AI が有益であることが証明されているもう 1 つの方法は、異星の空の化学組成を嗅ぎ分けることです。 天文学者は望遠鏡を使用して、惑星の大気を通過し、さまざまな分子によって特定の波長で吸収される星の光を分析します。 残りの光のスペクトルを理解するために、天文学者は通常、水や二酸化炭素など、発見したい少数の分子に基づいて生成した偽のスペクトルとそれを比較します。 系外惑星の研究者らは、下の惑星に生命が存在する可能性がある数百、数千の化合物に探索を拡大することを夢見ているが、現時点ではわずか4、5の化合物を探すのに数週間かかる。 新たに配備されたジェームズ・ウェッブ宇宙望遠鏡と、2029年に打ち上げ予定の欧州宇宙機関のアリエル宇宙望遠鏡のおかげで起こることが予想されているように、系外惑星の検出数が数十から数千に増加するにつれて、このボトルネックは徐々に困難になるだろう。

天体物理学センターで系外惑星の大気を研究している天文学者、メルセデス・ロペス・モラレス氏は、これらの観測結果をすべて処理するには「永遠に時間がかかるだろう」と語る。 「AstroAI のようなものは、データの蛇口が私たちに向かってやってくる直前の、適切なタイミングで現れています。」