Forskere ved Argonne National Laboratory har udviklet kunstig intelligens (AI), der gør det muligt at accelerere, skalere og gengive detektionen af gravitationsbølger. Den nye algoritme var i stand til at analysere de data, der blev indsamlet under LIGOs driftsmåned på kun 7 minutter. Samtidig lavede han ingen fejl.
Da gravitationsbølger første gang blev opdaget i 2015 af LIGOs Laser Interferometric Gravitational-Wave Observatory, forårsagede de begejstring i det videnskabelige samfund, fordi de bekræftede en anden af Einsteins teorier og markerede fødslen af gravitationsbølgeastronomi. Gennem årene har forskere opdaget mange kilder til gravitationsbølger, såsom neutronstjerner og sorte huller, der kolliderer i rummet.
Følsomheden af gravitationsbølgedetektorer stiger hvert år, så der er en stadig større mængde data, der skal behandles. På et tidspunkt vil det ikke fungere manuelt at gøre det, fordi der vil være for mange bølgedetekteringshændelser. For at løse dette problem har fysikere fra Argonne National Laboratory og flere amerikanske universiteter udviklet en kunstig intelligens platform, der kan overtage ansvaret for at analysere gravitationsbølgesignaler.
Redaktørens anbefaling:
- Gravitationslinser gør det muligt at skabe et galaktisk internet
- En mission til Uranus og Neptun kan blive en detektor for gravitationsbølger
Forfatterne til det nye arbejde hævder, at AI-modeller kan være lige så følsomme som traditionelle mønstertilpasningsalgoritmer, men køre hurtigere. Derudover kræver disse AI-algoritmer kun en lavpris grafikbehandlingsenhed (GPU), hvilket gør det til en af de mest effektive måder at studere gravitationsbølger på.
Gravitationsbølger er ændringer i gravitationsfeltet, der forplanter sig som en bølge. De udsendes af bevægelige masser, men efter stråling løsner de sig fra dem og eksisterer uafhængigt af disse masser. Matematisk relateret til forstyrrelse er rum-tid-metrikker og kan beskrives som "rum-tid krusninger." Som et resultat identificerede AI alle fire binære sorte hul-fusioner, der tidligere var identificeret i dette datasæt.
Forskere siger, at de i denne undersøgelse kombinerede kraften i kunstig intelligens og supercomputere, for at hjælpe med at løse rettidige og relevante big data-spørgsmål. Holdet planlægger yderligere at anvende denne kombination af teknikker til at løse datadrevne spørgsmål ikke kun i fysik, men også i andre tværfaglige videnskaber.
Læs også: