Vom Vorschlag Bis Zum Anblick Eines Schwarzen Lochs Stecken Die Bemühungen Von Fast Zehn Generationen Dahinter
Angesichts der enormen Datenmengen, die bei astronomischen Experimenten entstehen, können KI-Technologien wie maschinelles Lernen und neuronale Netzwerke die Effizienz der Datenverarbeitung erheblich verbessern. GAN kann beschädigte Bilder oder Pixelverluste reparieren oder verschwommene Fotos klar machen. Darüber hinaus kann KI auch neue Ideen für die wissenschaftliche Forschung liefern.
Am 10. April 2019 um 21 Uhr veröffentlichen die am EHT-Projekt beteiligten Wissenschaftler Fotos von Schwarzen Löchern an vielen Orten der Welt. Dieser mysteriöse, fantasievolle Himmelskörper wird heute Nacht sein wahres Gesicht zeigen!
Dies ist das erste Mal in der Geschichte, dass kohlenstoffbasiertes Leben ein Schwarzes Loch direkt „gesehen“ hat.Aber wissen Sie, ohne die Hilfe der KI-Technologie könnte dieser Moment noch in weiter Ferne liegen.
Angesichts der enormen Datenmengen, die bei astronomischen Experimenten entstehen (täglich werden mehrere TB Daten generiert), ist es unvorstellbar, sich bei der Verarbeitung dieser Daten ausschließlich auf menschliche Teams zu verlassen. Infolgedessen ist KI zu einem wichtigen Werkzeug für Wissenschaftler geworden.
Unerträglich große Mengen astronomischer Daten erfordern KI
Die Astronomie ist seit langem von einer verzweifelten Datenmenge umgeben.
Beispielsweise erzeugt das Square Kilometer Array, ein seit dem 20. Jahrhundert in Betrieb befindliches Radioteleskop, mittlerweile jedes Jahr Daten in der Höhe des gesamten Internetverkehrs.
Ohne die Hilfe von Supercomputern und die Unterstützung intelligenter Algorithmen würde sich die Veröffentlichung des „Fotos“ des Schwarzen Lochs auf unbestimmte Zeit verzögern.
Durch den Einsatz von KI wird die Sache klarer.Durch KI-Technologien wie maschinelles Lernen und neuronale Netzwerke können mit minimalem menschlichen Aufwand effiziente und zuverlässige Ergebnisse erzielt werden.
Derzeit werden in der astronomischen Forschung tatsächlich viele Inhalte der künstlichen Intelligenz eingesetzt, beispielsweise: Verwendung von Algorithmen des maschinellen Lernens zum Archivieren und Klassifizieren astronomischer Beobachtungsdaten; Verwendung von Modellen des maschinellen Lernens zur Vorhersage des Weltraumwetters und der Sonnenaktivität sowie zur Entdeckung neuer Himmelskörper.
Forscher der University of Kansas sagen, dass sich die Zahl der Astronomiearbeiten, bei denen maschinelles Lernen zum Einsatz kommt, in den letzten fünf Jahren mindestens verfünffacht hat.
Datenanalyse mit KI
Im Jahr 2007 stand der Wissenschaftler Schawinski vor einer gewaltigen Aufgabe: Er musste Tausende von Galaxien anhand ihres Erscheinungsbildes klassifizieren.
Da es damals für diese Aufgabe noch keine fertige Software gab, hatte er eine Idee: Er übertrug die Aufgabe per Crowdsourcing an normale Internetnutzer und bat sie, bei der Markierung und Vervollständigung der Klassifizierung zu helfen. Dies war ein riesiges Projekt. Aber heute,Mithilfe von KI kann diese gewaltige Aufgabe an nur einem Nachmittag erledigt werden.
Laut David Hogg, einem Astronomen an der New York University, ist seine Arbeit untrennbar mit der KI verbunden.Verwenden Sie Techniken wie neuronale Netzwerke, um Sterne anhand von Spektren zu klassifizieren, und verwenden Sie datengesteuerte Modelle, um einige der physikalischen Eigenschaften von Sternen zu untersuchen.
In einem im vergangenen Dezember in Astronomy & Astrophysics veröffentlichten Artikel berichtete ein Team der ETH Zürich, dassVerwenden Sie generative Modelle, um die physikalischen Veränderungen zu untersuchen, die Galaxien während ihrer Entwicklung durchlaufen.Ihr Modell erstellt künstliche Datensätze, um physikalische Prozesse zu simulieren und zu testen. Mithilfe von Modellsimulationen untersuchten sie beispielsweise das Phänomen, dass bei der Sternentstehung die Entstehungsrate stark abfällt, was mit der zunehmenden Dichte der galaktischen Umgebung zusammenhängt.
Nutzung von Algorithmen des maschinellen Lernens für neue Entdeckungen
Am Heidelberger Institut für Theoretische Studien leitet Kai Polsterer eine Astroinformatik-Gruppe, die sich auf datenzentrierte Methoden für die Astrophysik konzentriert. Vor kurzem nutzten sie Algorithmen des maschinellen Lernens, um aus Galaxiendatensätzen Informationen zur Rotverschiebung (ein Effekt, der die Ausdehnung des Universums demonstriert) zu extrahieren, was zuvor eine schwierige Aufgabe war.
Elena Rossi, eine Forscherin am Leidener Observatorium in den Niederlanden, erstellte ein neuronales Netzwerkmodell, um bei der Untersuchung extrem seltener Hypergeschwindigkeitssterne die gewünschten Merkmale aus den Daten zu extrahieren, und filterte und extrahierte sie dann weiter.
Der Algorithmus wurde in Fotos verwendet, die vom Satelliten Gaia veröffentlicht wurden.Aus einer Milliarde Sternen wurden 80 Kandidaten für Hypergeschwindigkeitssterne ausgewählt. Nach der abschließenden Analyse durch Wissenschaftler wurden sechs Hypergeschwindigkeitssterne bestätigt.Diese Zahl ist eine gute Ausbeute für die erste Suchrunde.
Polsterer wies jedoch auch darauf hin, dass KI-Systeme noch nicht perfekt seien und die meisten Algorithmen nur die Arbeit erledigen könnten, für die sie trainiert wurden.Manchmal geht es schief.Wenn Sie dem System beispielsweise ein Bild einer Galaxie geben, kann die Software die Rotverschiebungsinformationen und das Alter der Galaxie schätzen. Wenn Sie dem System jedoch ein beliebiges Bild geben, etwa ein Selfie oder einen Fisch, gibt es auch ein Ergebnis aus.
Daher erfordert der Einsatz von KI in diesem Stadium noch immer die Aufsicht und Ausbildung menschlicher Wissenschaftler.
KI hat erfolgreich Exoplaneten „gejagt“
Obwohl noch ein weiter Weg vor uns liegt, wurden in der Astronomie mithilfe der KI bereits einige Ergebnisse erzielt. Zum BeispielAuf der Suche nach Exoplaneten.
Die „Jagd“ auf Exoplaneten im Universum ist eine sehr schwierige Aufgabe. Im Vergleich zu ihren Muttersternen erzeugen Exoplaneten nicht nur keine Wärme, sondern sind auch zu klein – so, als würde man aus Tausenden von Kilometern Entfernung nach einem Glühwürmchen suchen, das im Scheinwerferlicht fliegt.
In der Vergangenheit haben Astrophysiker bei ihrer Suche nach Exoplaneten hauptsächlich manuell und mithilfe automatisierter Software große Datenmengen aus dem Kepler-Projekt der NASA analysiert.
Diese Datenpunkte umfassen etwa zwei Billiarden mögliche Planetenumlaufbahnen und selbst die leistungsstärksten Computer würden sehr lange brauchen, um in einer so riesigen Datenbank einen Planeten zu finden.Durch die Einführung des maschinellen Lernens konnte diese Zeit effektiv verkürzt werden.
Im Jahr 2017 entdeckten Chris Shallue, ein KI-Forscher von Google mit einer Leidenschaft für die Erforschung des Weltraums, und Andrew Vanderburg, ein Astrophysiker an der UT Austin (University of Texas at Austin), mithilfe eines TensorFlow-Modells erfolgreich zwei neue Planeten: 80g und 90i in der 2.545 Lichtjahre von der Erde entfernten Kepler-90-Galaxie.
Um die Genauigkeit des TensorFlow-Modells bei der Identifizierung von Planeten zu verbessern und zu vermeiden, dass andere Himmelskörper wie Sternflecken und Doppelsterne mit Planeten verwechselt werden, verwendeten die Ingenieure einen Datensatz mit mehr als 15.000 Kepler-Signalen, um das Modell zu trainieren. Ihre Ergebnisse zeigten auch, dassDie Genauigkeit des maschinellen Lernens übersteigt 90%, das heißt, es ist möglich, mithilfe von KI das Universum zu erforschen und neue Himmelskörper zu entdecken.
Erst vor wenigen Tagen entdeckte Anne Dattilo, Studentin an der University of Texas, mithilfe eines einfachen KI-Algorithmus zwei Exoplaneten, die 1.300 Lichtjahre von den Beobachtungsdaten des Kepler-Teleskops entfernt sind.
Wenn die Daten einen Ozean bilden, gleicht die manuelle Verarbeitung der Suche nach der Nadel im Heuhaufen, übergibt man sie jedoch der KI, kann es ein Kinderspiel sein.
Es dauerte zwei Jahre, die Daten zu verarbeiten, um das Schwarze Loch zu "sehen"
Zurück zur Frage, ob man Schwarze Löcher „sehen“ kann: Solche Entdeckungen werden unser tägliches Leben vielleicht noch lange nicht beeinflussen. Aber vergessen Sie nicht, dass die Menschen schon vor Tausenden von Jahren begannen, zu den Sternen aufzublicken, was zur heutigen umfassenden Weltraumforschung führte. Der Einsatz von KI könnte unserer Forschung neue Flügel verleihen.
Lange Zeit bestand das Verständnis der Menschen von Schwarzen Löchern, abgesehen von theoretischen konzeptionellen Beschreibungen, lediglich aus Science-Fiction-Darstellungen und Bildern künstlerischer Vorstellungskraft.
Der Name des Schwarzen Lochs ist sehr anschaulich und erklärt seine Eigenschaft, „alles aufzunehmen“: Ein Himmelskörper mit enormer Masse entwickelt eine extrem starke Anziehungskraft und jedes Objekt, das hindurchgeht, wird absorbiert; nicht einmal Licht kann entkommen.
Genauer gesagt, hat es eine so starke Schwerkraft, dass Licht seinem Einflussbereich nicht entkommen kann. Dieser Bereich wird als „Ereignishorizont“ des Schwarzen Lochs bezeichnet.Innerhalb des Ereignishorizonts wird Licht „verschluckt“ und da das Schwarze Loch selbst kein Licht aussendet, kann es nicht direkt beobachtet werden.
Wie haben wir diese Pressemitteilung wahrgenommen?
Tatsächlich konzentrieren wir uns dieses Mal immer noch auf die Umgebungseffekte, die durch das Schwarze Loch verursacht werden. Manchmal ist die Gaswolke um ein Schwarzes Loch sehr nah und rotiert unter dem Einfluss der enormen Schwerkraft um das Schwarze Loch und bildet eine Materiescheibe. Durch die Reibung wird das Gas erhitzt und gibt starke Strahlung ab. Und die Rotationsgeschwindigkeit wird immer schneller, bis sie schließlich den Ereignishorizont durchquert und für immer im Schwarzen Loch verschwindet.Was das Event Horizon Telescope beobachtet, ist der scheibenförmige Lichtring, der den Umriss eines Schwarzen Lochs umgibt.
Um dieses Phänomen zu beobachten, ist jedoch nicht nur die Wahl eines Schwarzen Lochs in der richtigen Entfernung und Größe erforderlich, sondern auch ein Teleskop mit einer ausreichend hohen Auflösung.
Im Jahr 2017 bildeten mehrere Teleskope aus der ganzen Welt mithilfe interferometrischer Bildgebungstechnologie ein leistungsstarkes Beobachtungsarray namens Event Horizon Telescope (EHT). Die Beobachtungsobjekte waren das Schwarze Loch Sagittarius A* im Zentrum der Milchstraße und das Schwarze Loch der Galaxie M87.
Erst nach einer solchen Entfaltung ist es möglich, das Schwarze Loch zu fotografieren. Und,Diese Radioteleskope nehmen zwar keine direkten Bilder auf, sammeln aber große Datenmengen, die dann von Wissenschaftlern zu Bildern verarbeitet werden.
Vom Abschluss der „Dreharbeiten“ bis zur endgültigen Veröffentlichung vergingen lange zwei Jahre. Da die Datenmenge auf PB-Niveau liegt, ist neben dem Transport und der Aggregation der Daten von verschiedenen Orten auch die endgültige Analyse und Berechnung sehr zeitaufwändig. Entsprechend den einschlägigen BerichtenBei der Verarbeitung werden auch verwandte Techniken wie die „Hauptkomponentenanalyse“ verwendet.
Mehr als 230 Jahre sind vergangen, seit Wissenschaftler im Jahr 1783 erstmals das Konzept der Schwarzen Löcher vorschlugen, und heute sind wir der Wahrheit über Schwarze Löcher am nächsten. Wir werden die Möglichkeit haben, das erste Publikum zu sein, das die Antwort erfährt.
Was die genauen Details und die endgültigen Ergebnisse angeht, freuen wir uns auf die Pressekonferenz heute Abend! Das EHT-Projektteam und die Chinesische Akademie der Wissenschaften werden diese neueste Errungenschaft am Shanghai Astronomical Observatory veröffentlichen.
Die Pressekonferenz findet nach Pekinger Zeit statt. 10. April 2019 21:00, gleichzeitig veröffentlicht an sechs Standorten weltweit, darunter Shanghai, Brüssel, Belgien (Englisch), Santiago, Chile (Spanisch), Tokio, Japan (Japanisch), Taipeh, China (Chinesisch) und Washington, USA (Englisch).
Freuen wir uns gemeinsam auf diesen historischen Moment!