איור של אמן לשני חורים שחורים המתפתלים יחד ויוצרים גלי כבידה בחלל.
(תמונה: © נאס"א)
תוכנית תוכנה חדשה המשתמשת בבינה מלאכותית יכולה לסייע בזיהוי וניתוח מהיר של גלי כבידה - אדוות במרקם הקוסמי של זמן-חלל - מאירועים קטסטרופלים כמו התנגשויות בין חורים שחורים, כך עולה ממחקר חדש.
הטכניקה החדשה, הנקראת סינון עמוק, יכולה לסייע לחוקרים לראות אירועים קטסטיים שתוכנה נוכחית אולי לא תגלה, כמו מיזוגים טיטניים בלב הגלקסיות, על פי מחברי המאמר החדש המתאר את היצירה.
גלי הכבידה הם אדוות במרקם החלל והזמן. הם נוצרים כאשר כל אובייקט עם תנועות המוניות, והם נוסעים במהירות האור, נמתחים וסוחטים מרחב-זמן לאורך הדרך.
גלי כבידה קשים במיוחד לגילוי, ואלו שמדענים יכולים לאתר הם מחפצים מסיביים במיוחד. למרות שאלמם של אלברט איינשטיין ניבא לראשונה את קיומם של גלי כבידה בשנת 1916, לקח מדענים לזהות את ההוכחות הישירות הראשונות לגלי הכבידה בהצלחה, תוך שימוש במצפה הכוכבים לייזר אינטרפרומטר (LIGO) כדי לאתר את התוצאות לאחר הכבידה שני חורים שחורים מתנפצים זה בזה.
גילוי גלי הכבידה זיכה שלושה מדענים את פרס נובל לשנת 2017 בפיזיקה באוקטובר 2017. מאז, חוקרים גילו גם גלי כבידה מזוג מתנגשים של כוכבים מתים המכונים כוכבי נויטרונים - ממצאים שעשויים לסייע בפתרון התעלומה בת עשרות שנים של כיצד נוצרו כמה מהיסודות הכבדים של היקום.
עם זאת, התוכנה המנתחת כיום את האותות שמצפים על גל הכבידה מגלה יכולה לקחת מספר ימים כדי לצמצם את סוג האירוע שעשוי היה ליצור את אותם גלי הכבידה, כך אמר מחבר שותף אליו הוארטה ל- Space.com בראיון.
יתר על כן, תוכנה זו מתמחה באיתור מיזוגים בין חפצים שנמצאים במעגלים בערך מעגלים זה עם זה ומבודדים יחסית מסביבתם, על פי הורטה, אסטרופיסיקאי תיאורטי באוניברסיטת אילינוי במרכז הלאומי ליישומי מחשב סופרבאנה-שמפיין. התוכנה ככל הנראה לא תצליח לאתר גלי גלי כבידה מחפצים באזורים בהם הכוכבים ארוזים בצפיפות, כמו גרעיני הגלקסיות, כאשר משיכות הכבידה של כוכבים סמוכים עלולות לעוות מסלול מעגלי ל"אקסצנטרי "יותר או בצורתו הסגלגל, ויורטה אמר.
כעת, טוענים מחברי המחקר כי תוכנת בינה מלאכותית יכולה לסייע מאוד להאיץ את ניתוח גלי הכבידה, כמו גם "לאפשר גילוי של מחלקות חדשות של מקורות גל כבידה שעשויים להתעלם עם אלגוריתמים קיימים לגילוי," הורטה כך מסר ל- Space.com.
תוכנת ה- AI החדשה כוללת רשתות עצביות מלאכותיות, בהן רכיבים מלאכותיים המכונים "נוירונים" מוזנים נתונים ומשתפים פעולה כדי לפתור בעיה, כמו זיהוי תמונה. רשת עצבית לאחר מכן מתאימה שוב ושוב את החיבורים בין נוירונים שלה ורואה אם דפוסי החיבור החדשים הללו טובים יותר בפתרון הבעיה. עם הזמן, תהליך זה של ניסוי וטעייה חושף אילו דפוסים הטובים ביותר לפתרונות מחשוב, ומחקים את תהליך הלמידה במוח האנושי.
בעוד טכניקות קונבנציונאליות עשויות להימשך מספר ימים כדי לצמצם את מאפייני אירועי הכבידה מנתוני גלאים, רשתות עצביות מתקדמות המכונות "רשתות עצביות מפותלות עמוקות" יכולות לעשות זאת תוך שנייה, מצאו המדענים. יתר על כן, בעוד ששיטות קונבנציונאליות היו זקוקות לאלפי מעבדים (יחידות העיבוד המרכזיות של מחשבים) כדי לבצע משימה זו, הטכניקה החדשה עבדה "אפילו עם מעבד יחיד - כלומר עם הטלפון החכם שלך או מחשב נייד רגיל", אמרה הורטה.
בנוסף, החוקרים מצאו כי טכניקה חדשה זו יכולה גם לנתח במהירות מיזוגים מורכבים יותר ממה שתוכנה קיימת יכולה לנתח, כמו מיזוגים הכוללים חורים שחורים במסלולי אקסצנטרי. התוכנה החדשה גם הייתה עם שיעורי שגיאות נמוכים יותר והייתה טובה יותר באיתור תקלות בנתונים.
הורטה ודניאל ג'ורג ', אסטרופיזיקאי חישובי מאוניברסיטת אילינוי במרכז הלאומי ליישומי מחשב ממוחשבים של אורבנה-שמפיין, פירטו את ממצאיו באינטרנט בדצמבר 27 בדצמבר בכתב העת Physics Letters B.
