بررسی عدسیهای گرانشی؛ ده میلیونبار سریعتر با هوش مصنوعی
انجمن فيزيک ايران/ شبکههاي عصبي روش تحليل داده در اخترفيزيک را متحول کردهاند. پژوهشگراني از بخش انرژي شتابدهندهي ملي SLAC و دانشگاه استنفورد نشان دادهاند که ميتوان با شبکههاي عصبي -شکلي از هوش مصنوعيـ واپيچشهاي فضاـزمان يا عدسيهاي گرانشي را، ۱۰ ميليون بار سريعتر از روشهاي معمول بررسي نمود. بنا بر گفتهي لورنس پريولت لواسر (Laurence Perreault Levasseur)، همکار پسادکتري و يکي از نويسندگان مقالهاي در Nature، «تحليلهايي که چند هفته تا چند ماه به درازا ميانجاميد، با شبکههاي عصبي تنها در کسري از ثانيه و در تراشههايي ساده کامل ميشوند». تحليلهاي پيچيده اما برقآسا گروهي در موسسهي کيهان شناسي Kavli (KIPAC)، مرکز تحقيقاتي مشترک SLAC و دانشگاه استنفورد، براي تحليل تصاوير عدسيهاي گرانشي و واپيچش نماي کهکشانهاي دور به شکل حلقه و خم به سبب گرانش اجرام سنگين مانند خوشههاي کهکشاني نزديک، شبکههاي عصبي را به کار بستهاند. اين واپيچشها سرنخهاي مهمي از توزيع جرم در فضا و تغييرات آن به دست ميدهند؛ اين ويژگيها مربوط به مادهي تاريک که ۸۵ درصد جرم عالم را ميسازد، و انرژي تاريک که انبساط کيهان را سرعت ميبخشد، هستند. تا کنون اين دست تحليلها و مقايسهي تصاوير واقعي عدسيها با نتايج شبيهسازيهاي کامپيوتري بسيار زمانگير بودند. اين سازوکار براي هر عدسي به اندازهي هفتهها تا ماهها به درازا ميانجاميد. اما پژوهشگران با شبکههاي عصبي، توانستهاند محاسبات مشابه، و مقايسهي تصاوير تلسکوپ فضاييHubble و نتايج شبيهسازي را تنها در چند ثانيه انجام دهند. براي آموزش شبکههاي عصبي، درمورد اهداف جستوجو، نيم ميليون تصوير شبيهسازيشدهي عدسيهاي گرانشي مورد استفاده قرار گرفتند. شبکهها با يک بار آموزش، توانستند بلافاصله واپيچشهايي تازه را با دقتي در حد روشهاي قديمي، محاسبه نمايند. اين گروه در مقالهاي ديگر، از توانايي شبکهها در تعيين عدم دقت خود خبر دادهاند. سيلي از دادهها در راه هستند ياشار هزاوه (Yashar Hezaveh)، نويسندهي ارشد مقاله و همکار ناسا در KIPAC ميگويد: «شبکههاي عصبياي که بررسي کرديم --سه شبکهي عمومي و يک شبکه که خود ايجاد نموديم-- در تعيين ويژگيهاي هر عدسي مانند توزيع جرم و ميزان بزرگنمايي موفق بودند». با اين نوآوري، کاربردهاي شبکههاي عصبي در اخترفيزيک فراتر از دستهبندي و بررسي وجود عدسيهاي گرانشي خواهد بود. با اين تحول در سرعت بررسي دادهها و تحليلهاي خودکار و پيچيده، راه براي بررسيهاي آينده و کاوش در اعماق آسمان گشوده ميشود. به عنوان نمونه پيشبيني ميشود که با ساخت تلسکوپ مطالعهي گستردهي همديد (LSST)، در SLAC ،با دوربين ۳/۲ گيگاپيکسلياش، تعداد عدسيهاي گرانشي شناختهشده از چند صد به چند ده هزار افزايش يابند. پريولت لواسر: «براي بررسي اين حجم از داده با روش سنتي، نيروي لازم وجود ندارد» ... «شبکههاي عصبي به شناسايي اجرام مهمتر و بررسي سريع آنها کمک ميکنند. اين گونه زمان کافي براي پرداختن به پرسشهاي اساسيتر وجود خواهد داشت». رهيافتي انقلابي شبکههاي عصبي با الهام از ساختار مغز بشر شکل گرفتهاند. در مغز شبکهي فشردهاي از نورونها، حجم بالايي از اطلاعات را با سرعت بالايي تحليل مينمايند. در نسخهي مصنوعي، «نورونها» واحدهاي محاسباتي منفردي در ارتباط با پيکسلهاي تصوير ميباشند. نورونها به صورت لايهاي قرار ميگيرند؛ گاهي تعداد اين لايهها به صد ميرسد. هر لايه شاخصهاي در تصوير را جستوجو ميکند. هر لايه پس از يافتن شاخصهي مورد نظر، اطلاعات خود را به لايهي بعدي منتقل ميکند تا بتواند شاخصهي مورد نظر خود را در آنها جستوجو کند. فيل مارشال (Phil Marshall) يکي از همکاران نويسنده ميگويد: «بخش هيجانانگيز، توانايي شبکههاي عصبي در خودآموزي شناخت شاخصههاي مهم و جستوجوي آنها ميباشد» ... «کودکان نيز در شناسايي اشيا از همين ويژگي بهره ميبرند. دقيقا نميآموزيم که سگ چيست؛ تنها تصاوير آن را ميبينيم». هزاوه ميگويد: «در اين مورد، نه تنها تصوير سگ شناسايي ميشود، بلکه مشخصات آن مانند وزن و سن نيز استخراج ميگردد». با وجود آن که اين گروه اجراي برنامههاي کامپيوتري خود را در مجموعهي رايانههاي شرلوک مرکز کامپيوتر استنفورد انجام دادهاند، ميتوان اين محاسبات را در رايانههاي خانگي يا تلفن همراه نيز دنبال کرد. در واقع اين گروه شبکههاي عصبي خود را هماهنگ با تلفن آيفون طراحي نمودهاند. راجر بلندفورد (Roger Blandford)، از اعضاي KIPAC که در اين کار همکاري نداشته است، ميگويد: «در گذشته نيز شبکههاي عصبي در مسايل اخترفيزيکي وارد شده بودند؛ اما اين الگوريتم تازه با واحدهاي پردازندهي تصويري نوين (GPU) ترکيب شده و ميتواند به سرعت نتايجي قابل اطمينان توليد کند. همان طور که در مورد عدسيهاي گرانشي ديدهشد، اين رهيافت ميتواند در شاخههاي ديگر نيز به کار بسته شود». با کانال تلگرامي «آخرين خبر» همراه شويد