L’astronomia è tutta una questione di dati. L’universo sta diventando più grande e così anche la quantità di informazioni che abbiamo su di esso. Ma alcune delle maggiori sfide della prossima generazione di astronomia risiedono nel modo in cui studieremo tutti i dati che stiamo raccogliendo per conoscere l’universo.
Per affrontare queste sfide, gli astronomi si stanno rivolgendo al machine learning e all’intelligenza artificiale (AI) per creare nuovi strumenti e cercare rapidamente le prossime grandi scoperte. Ecco quattro modi in cui l’intelligenza artificiale sta aiutando gli astronomi a conoscere l’universo.
1. Caccia al pianeta
Ci sono diversi modi per trovare un pianeta, ma il più efficiente è stato quello di studiare i transiti. Quando un esopianeta passa davanti alla sua stella madre, blocca parte della luce che possiamo vedere.
Osservando molte orbite di un esopianeta, gli astronomi costruiscono un’immagine dei cali di luce, che possono utilizzare per identificare le proprietà del pianeta, come la massa, le dimensioni e la distanza dalla sua stella. Il telescopio spaziale Kepler della Nasa ha utilizzato questa tecnica con grande successo osservando migliaia di stelle contemporaneamente, tenendo d’occhio i cali di luce causati dagli esopianeti.
Gli umani sono abbastanza bravi a vedere questi cali, ma è un’abilità che richiede tempo per svilupparsi. Con più missioni dedicate alla ricerca di nuovi pianeti extrasolari, come quello della Nasa (Transiting Exoplanet Survey Satellite), gli umani non riescono proprio a tenere il passo. È qui che entra in gioco l’intelligenza artificiale che ci aiuta a conoscere l’universo.
Le tecniche di analisi delle serie temporali, che analizzano i dati come una sequenza sequenziale nel tempo, sono state combinate con un tipo di intelligenza artificiale per identificare con successo i segnali degli esopianeti con una precisione fino al 96%.
2. Onde gravitazionali
I modelli di serie temporali non sono solo ottimi per trovare esopianeti, ma sono anche perfetti per trovare i segnali degli eventi più catastrofici nell’universo: fusioni tra buchi neri e stelle di neutroni.
Quando questi corpi incredibilmente densi si scontrano, inviano increspature nello spazio-tempo che possono essere rilevate misurando deboli segnali qui sulla Terra. Le collaborazioni del rivelatore di onde gravitazionali Ligo e Virgo hanno identificato i segnali di dozzine di questi eventi, il tutto con l’aiuto dell’apprendimento automatico.
Addestrando modelli su dati simulati di fusioni di buchi neri, i team di Ligo e Virgo possono identificare potenziali eventi nei momenti in cui si verificano e inviare avvisi agli astronomi di tutto il mondo affinché orientino i loro telescopi nella giusta direzione.
3. Il cielo che cambia
Quando l’Osservatorio Vera Rubin, attualmente in costruzione in Cile, sarà online, esaminerà l’intero cielo notturno ogni notte – raccogliendo oltre 80 terabyte di immagini in una volta sola – per vedere come le stelle e le galassie nell’universo variano nel tempo. Un terabyte corrisponde a 8.000.000.000.000 di bit.
Nel corso delle operazioni pianificate, il Legacy Survey of Space and Time intrapreso da Rubin raccoglierà ed elaborerà centinaia di petabyte di dati. Per metterlo in un contesto, 100 petabyte sono circa lo spazio necessario per memorizzare circa 700 anni di video ad alta definizione.
Verranno utilizzate tecniche di apprendimento automatico per cercare questi sondaggi di nuova generazione ed evidenziare i dati importanti. Ad esempio, un algoritmo potrebbe cercare nelle immagini eventi rari come le supernove – esplosioni drammatiche alla fine della vita di una stella – e un altro potrebbe essere alla ricerca di quasar. Addestrando i computer a riconoscere i segnali di particolari fenomeni astronomici, il team sarà in grado di fornire i dati giusti alle persone giuste.
4. Lenti gravitazionali
Quindi, come possiamo trovare gli oggetti più rari in queste enorme quantità di dati?
Un fenomeno celeste che eccita molti astronomi sono le lenti gravitazionali. Questo è ciò che accade quando due galassie si allineano lungo la nostra linea visiva e la gravità della galassia più vicina funge da lente e ingrandisce l’oggetto più distante, creando anelli, croci e immagini doppie.
Trovare queste lenti è come trovare un ago in un pagliaio, un pagliaio delle dimensioni dell’universo osservabile. È una ricerca che diventerà sempre più difficile man mano che raccogliamo sempre più immagini di galassie.
Nel 2018, astronomi di tutto il mondo hanno preso parte alla Strong Gravitational Lens Finding Challenge, dove hanno gareggiato per vedere chi poteva creare il miglior algoritmo per trovare automaticamente queste lenti.
Il vincitore di questa sfida ha utilizzato un modello chiamato rete neurale convoluzionale, che impara a scomporre le immagini utilizzando filtri diversi fino a classificarle come contenenti o meno una lente. Sorprendentemente, questi modelli erano persino migliori di quelli che avrebbero potuto fare le persone, trovando sottili differenze nelle immagini che noi umani abbiamo difficoltà a notare.
Nel prossimo decennio, utilizzando nuovi strumenti come l’Osservatorio Vera Rubin, gli astronomi raccoglieranno petabyte di dati, ovvero migliaia di terabyte. Man mano che scrutiamo più in profondità nell’universo, la ricerca degli astronomi si baserà sempre più sulle tecniche di apprendimento automatico.
Autore
Ashley Spindler, Research Fellow, Astrophysics, University of Hertfordshire
