Naučnici sa Univerziteta Kalifornija u Riversajdu (UCR) razvili su revolucionarni alat zasnovan na vještačkoj inteligenciji (AI) koji može analizirati ogromne količine podataka iz LIGO opservatorije gravitacionih talasa, i to bez ljudske intervencije.

Foto: Ilustracija/Pixabay

Ovaj alat identifikuje izvore šuma iz okruženja, uključujući zemljotrese, mikroseizme i okeanske talase, koji ometaju detekciju gravitacionih talasa. Time se omogućava poboljšanje kvaliteta signala i preciznije proučavanje fundamentalnih fenomena u svemiru.

Ovaj napredni alat predstavljen je na IEEE-ovoj radionici o velikim podacima i vještačkoj inteligenciji u naučnim otkrićima, gdje je naglašena njegova primjena ne samo u LIGO eksperimentima već i u drugim složenim naučnim i industrijskim sistemima, navodi SciTech Daily.

LIGO (Laser Interferometer Gravitational-Wave Observatory) je ključna opservatorija za detekciju gravitacionih talasa, sitnih vibracija u prostor-vremenu koje nastaju usled kretanja i sudara masivnih objekata, poput crnih rupa i neutronskih zvijezda. Ova opservatorija se sastoji od dva 4-kilometarska interferometra locirana u Henfordu (Vašington) i Livingstonu (Luizijana).

Prvo posmatranje gravitacionih talasa 2015. godine bilo je revolucionarno – LIGO je zabilježio sudar dvije crne rupe udaljene više milijardi svjetlosnih godina, čime je potvrđena ključna predikcija Ajnštajnove teorije relativiteta. Međutim, uprkos vrhunskim tehnologijama, LIGO je izuzetno osjetljiv na šumove iz okruženja.

U oba detektora se bilježi preko 100.000 tokova podataka iz različitih senzora postavljenih širom opservatorija. Ovi senzori mjere seizmičke aktivnosti, vibracije tla, atmosferske promjene i druge faktore koji mogu uticati na tačnost detekcije gravitacionih talasa.

- Pristup mašinskog učenja koji smo razvili u tijesnoj saradnji sa inženjerima i donosiocima odluka u LIGO-u omogućava identifikaciju obrazaca u podacima potpuno autonomno - izjavio je Džonatan Ričardson, vanredni profesor fizike i astronomije sa UCR-a.

Ovaj alat koristi nestrukturisano mašinsko učenje za analizu ogromnih vremenskih serija podataka iz LIGO-ovih pomoćnih kanala. Zahvaljujući ovoj metodi, naučnici sada mogu preciznije prepoznati uzroke šumova, što omogućava bolje filtriranje podataka i poboljšanje kvaliteta signala.

Jedan od iznenađujućih izvora šuma u LIGO podacima dolazi sa obala Grenlanda – talasi okeana koji udaraju o obalu mogu izazvati mikroseizme koji se prenose kroz tlo i ometaju detekciju gravitacionih talasa. Ovaj fenomen, zajedno sa drugim prirodnim izvorima vibracija, sada može biti precizno detektovan i eliminisan zahvaljujući novom alatu.

"Naš alat samostalno identifikuje obrasce u podacima, bez potrebe za prethodnim unosom poznatih kategorija. Alat prepoznaje iste obrasce koji se veoma dobro poklapaju sa fizički značajnim ekološkim stanjima koja su već poznata operaterima LIGO-a", objasnio je Vagelis Papaleksakis, profesor računarstva i inženjerstva.

Ovaj pristup omogućava, automatsku klasifikaciju različitih stanja okruženja, identifikaciju zemljotresa, mikroseizama i antropogenih izvora šuma, i korelaciju između spoljašnjih faktora i grešaka u podacima. Jedan od najvažnijih doprinosa ove metode je mogućnost predviđanja i eliminacije potencijalnih šumova prije nego što oni postanu problem za naučnike.

Papaleksakis i njegov tim su tokom istraživanja otkrili jaku povezanost između ekoloških šumova i određenih tipova grešaka u podacima. Ove greške su iznenadni skokovi u signalima koji mogu ozbiljno uticati na kvalitet podataka, što otežava preciznu analizu gravitacionih talasa.

"Ovo otkriće otvara mogućnost za eliminaciju ili prevenciju određenih šumova koji bi mogli degradirati kvalitet podataka", istakao je Papaleksakis.

Istraživački tim je proveo godinu dana analizirajući i organizujući sve LIGO kanale kako bi razvili ovaj sistem. Objavljivanje podataka iz istraživanja bio je veliki poduhvat, budući da su LIGO podaci obično vlasništvo ekskluzivnih naučnih timova.

Jedan od glavnih ciljeva ovog istraživanja je omogućavanje fizičkih poboljšanja LIGO detektora. Dugoročni cilj je da se ovaj alat koristi za prepoznavanje novih izvora šuma i optimizaciju rada detektora, čime bi se poboljšala tačnost detekcije gravitacionih talasa.

Razvoj ovog alata predstavlja značajan korak naprijed u istraživanju gravitacionih talasa i boljem razumijevanju svemira. Korišćenjem mašinskog učenja, naučnici sada mogu preciznije identifikovati i eliminisati šumove koji ometaju detekciju, čime se omogućava tačnije i dublje proučavanje fenomena poput crnih rupa, neutronskih zvezda i kosmičkih katastrofa.