עדשות כבידה מהוות כלי חשוב עבור אסטרונומים המבקשים לחקור את העצמים הרחוקים ביותר ביקום. טכניקה זו כוללת שימוש באשכול חומר מסיבי (בדרך כלל גלקסיה או אשכול) בין מקור אור מרוחק לצופה כדי לראות טוב יותר אור שמגיע מאותו מקור. בהשפעה שנבאה על ידי תורת היחסות הכללית של איינשטיין, הדבר מאפשר לאסטרונומים לראות חפצים שעלולים להיות מוסתרים.
לאחרונה פיתחה קבוצה של אסטרונומים אירופיים שיטה למציאת עדשות כבידה בערימות נתונים עצומות. בעזרת אותם אלגוריתמים של בינה מלאכותית בהם השתמשו גוגל, פייסבוק וטסלה למטרותיהם, הם הצליחו למצוא 56 מועמדים חדשים לעדשות כבידה מתוך סקר אסטרונומי מסיבי. שיטה זו עשויה לבטל את הצורך של אסטרונומים לבצע בדיקות ויזואליות של תמונות אסטרונומיות.
המחקר המתאר את המחקר שלהם, שכותרתו "מציאת עדשות כבידה חזקות בסקר התארים הקילו עם רשתות עצביות מעוררות", הופיע לאחרונה במחקר הודעות חודשיות של החברה המלכותית לאסטרונומיה. בראשותו של קרלו אנריקו פטרילו מהמכון האסטרונומי קפטיין, כלל הצוות גם חברי המכון הלאומי לאסטרופיזיקה (INAF), המכון לארגונומיה לאסטרונומיה (AIfA) ואוניברסיטת נאפולי.
עדשות אסטרונומיות מועילות לאסטרונומים, אך כאב למצוא אותן. בדרך כלל, זה מורכב מאסטרונומים הממיינים אלפי תמונות שצולמו על ידי טלסקופים ומצפות תצפית. בעוד שמוסדות אקדמיים מסוגלים לסמוך על אסטרונומים חובבים ואסטרונומים אזרחיים כמו שלא היו מעולם, אין פירושו דרך לעמוד במיליוני תמונות שנלכדות דרך קבע על ידי מכשירים ברחבי העולם.
כדי לטפל בכך פנו ד"ר פטריליו ועמיתיו למה שמכונה "רשתות עצביות מסובכות" (CNN), סוג של אלגוריתם ללימוד מכונות שמכרות נתונים לדפוסים ספציפיים. בעוד שגוגל השתמשה באותן רשתות עצביות כדי לזכות במשחק של גו נגד אלופת העולם, פייסבוק משתמשת בהן כדי לזהות דברים בתמונות שהוצבו באתר שלה, וטסלה השתמשה בהן כדי לפתח מכוניות שמניעות עצמית.
כפי שהסביר פטרילו במאמר עיתונאים שפורסם לאחרונה מבית הספר למחקר אסטרונומיה בהולנד:
"זו הפעם הראשונה בה משתמשים ברשת עצבית מפותלת כדי למצוא חפצים מוזרים בסקר אסטרונומי. אני חושב שזה יהפוך לנורמה מכיוון שסקרים אסטרונומיים עתידיים יניבו כמות עצומה של נתונים שיהיה צורך לבדוק. אין לנו מספיק אסטרונומים כדי להתמודד עם זה. "
לאחר מכן יישם הצוות רשתות עצביות אלה על נתונים שמקורם בסקר הקילו-תואר (KiDS). פרויקט זה מסתמך על טלסקופ סקר VLT (VST) במצפה הפרנל של ESO בצ'ילה כדי למפות 1500 מעלות משמי הלילה הדרומיים. מערך נתונים זה כלל 21,789 תמונות צבעוניות שנאספו על ידי ה- OmegaCAM של ה- VST, מכשיר רב-סיבובי שפותח על ידי קונסורציום של מדען אירופי בשיתוף ה- ESO.
כל התמונות הללו הכילו דוגמאות לגלקסיות אדומות זוהרות (LRGs), שלוש מהן ידועות כ עדשות כבידה. בתחילה, הרשת העצבית מצאה 761 מועמדים לעדשות כבידה בתוך מדגם זה. לאחר שבדק את המועמדים הללו באופן חזותי הצוות הצליח לצמצם את הרשימה ל -56 עדשות. אלה עדיין צריכים להיות מאושרים באמצעות טלסקופים חלליים בעתיד, אך התוצאות היו חיוביות למדי.
כפי שהם מצביעים במחקר שלהם, רשת עצבית שכזו, כאשר היא מיושמת במערכות נתונים גדולות יותר, עשויה לחשוף מאות ואף אלפי עדשות חדשות:
"הערכה שמרנית על סמך תוצאותינו מראה כי בעזרת השיטה המוצעת שלנו צריך להיות אפשרי למצוא 100 עדשות גלקסיות LRG-מסיביות בגודל z ~> 0.4 ב- KiDS לאחר השלמתן. בתרחיש האופטימי ביותר המספר הזה יכול לגדול במידה ניכרת (עד למקסימום? 2400 עדשות), כאשר מרחיבים את בחירת גודל הצבעים ומאמנים את ה- CNN להכיר מערכות עדשות קטנות יותר להפרדת תמונות. "
בנוסף, הרשת העצבית גילתה מחדש שתיים מהעדשות הידועות במערך הנתונים, אך החמיצה את השלישית. עם זאת, הדבר נבע מהעובדה שהעדשה הזו הייתה קטנה במיוחד והרשת העצבית לא הוכשרה לגילוי עדשות בסדר גודל זה. בעתיד, החוקרים מקווים לתקן זאת על ידי הכשרת הרשת העצבית שלהם להבחין בעדשות קטנות יותר ודוחים פוזיטיביות כוזבות.
אך כמובן שהמטרה הסופית כאן היא להסיר את הצורך בבדיקה חזותית לחלוטין. בכך, האסטרונומים ישוחררו מהצורך לבצע עבודות ריגוש, ויכולים להקדיש זמן רב יותר לתהליך הגילוי. באותה צורה, ניתן להשתמש באלגוריתמים של למידת מכונה כדי לחפש נתונים נתונים אסטרונומיים אחר אותות של גלי הכבידה וה- Exoplanets.
בדומה לאופן בו תעשיות אחרות מבקשות להיות הגיוניות מתוך טרה-בתים של צרכנים או מסוגים גדולים של "נתונים גדולים", האסטרופיזיקה והקוסמולוגיה בתחום יכולים להסתמך על בינה מלאכותית כדי למצוא את הדפוסים ביקום של נתונים גולמיים. והתשלום עשוי להיות לא פחות מתהליך גילוי מואץ.
