천문학자들은 연구를 위한 새로운 도구를 구축하기 위해 점점 더 AI로 눈을 돌리고 있다. 머신러닝의 4가지 주요 이점이 아래에 설명되어 있다. 인공지능은 다음 10년 동안 우주에 대한 심층 연구를 수행하는 천문학자에게 중요한 도구가 된다. 천문학은 데이터에 관한 것이다. 우주는 점점 커지고 있으며 우리가 가지고 있는 정보의 양도 커지고 있다. 하지만 차세대 천문학의 가장 큰 과제 중 일부는 우리가 수집하는 모든 데이터를 어떻게 연구할 것인지에 있다.

이러한 과제를 해결하기 위해 천문학자들은 머신러닝과 인공지능(AI)으로 눈을 돌리고 새로운 도구를 구축하여 다음 큰 돌파구를 빠르게 찾을 수 있다. AI가 천문학자를 돕는 네 가지 방법이 있다.

1. 행성 사냥

행성을 찾는 방법에는 몇 가지가 있지만 가장 성공적인 방법은 대중 교통을 연구하는 것이다. 외계 행성이 부모 별 앞을 지나갈 때 우리가 볼 수 있는 빛의 일부를 차단한다.

외계 행성의 많은 궤도를 관찰함으로써 천문학자들은 빛의 강하 그림을 만들어 질량, 크기, 별과의 거리와 같은 행성의 속성을 식별하는 데 사용할 수 있다. Nasa의 Kepler 우주 망원경은 이 기술을 사용하여 한 번에 수천 개의 별을 관찰하고 행성으로 인한 급격한 하락을 주시하면서 큰 성공을 거두었다.

인간은 이러한 딥을 잘 볼 수 있지만 개발하는 데 시간이 걸리는 기술이다. Nasa의 (Transiting Exoplanet Survey Satellite)와 같이 새로운 외계 행성을 찾는 데 더 많은 미션이 집중되어 있기 때문에 인간은 따라잡을 수 없다. 이것이 AI가 들어오는 곳이다.

데이터를 시간에 따라 순차적인 시퀀스로 분석하는 시계열 분석 기술은 AI 유형과 결합되어 최대 96%의 정확도로 외계 행성의 신호를 성공적으로 식별한다.

2. 중력파

시계열 모델은 외계 행성을 찾는 데만 유용할 뿐만 아니라 블랙홀과 중성자 별이 합쳐진 우주에서 가장 치명적인 사건의 신호를 찾는데도 적합하다.

이 엄청나게 조밀한 물체가 안쪽으로 떨어질 때, 그들은 여기 지구상의 희미한 신호를 측정하여 감지할 수 있는 시공간의 잔물결을 내보낸다. 중력파 탐지기 협력 업체인 Ligo와 Virgo는 머신러닝의 도움을 받아 이러한 수십 가지 이벤트의 신호를 식별했다.

블랙홀 합병 시뮬레이션 데이터에 대한 모델을 훈련함으로써 Ligo와 Virgo의 팀은 발생하는 순간에 잠재적인 사건을 식별하고 전 세계 천문학자에게 경고를 보내 망원경을 올바른 방향으로 돌릴 수 있다.

3. 변화하는 하늘

현재 칠레에 건설중인 베라 루빈 천문대가 온라인에 연결되면 매일 밤 전체 밤하늘을 조사하여 한 번에 80 테라 바이트 이상의 이미지를 수집하여 우주의 별과 은하가 시간에 따라 어떻게 변하는 지 확인한다. 1 테라 바이트는 8,000,000,000,000 비트이다.

계획된 작업 과정에서 Rubin이 수행하는 공간 및 시간의 레거시 조사는 수백 페타 바이트의 데이터를 수집하고 처리한다. 즉, 100 페타 바이트는 Facebook에 모든 사진을 저장하는 데 필요한 공간 또는 약 700년 분량의 풀 HD 비디오이다.

서버에 로그인하여 해당 데이터를 다운로드할 수 없으며 다운로드하더라도 원하는 정보를 찾을 수 없다.

머신러닝 기술은 이러한 차세대 설문 조사를 검색하고 중요한 데이터를 강조하는 데 사용된다. 예를 들어 한 알고리즘은 이미지에서 초신성(별의 수명 끝에 극적인 폭발)과 같은 희귀한 사건을 검색하고 다른 알고리즘은 퀘이사를 감시할 수 있다. 특정 천문 현상의 신호를 인식하도록 컴퓨터를 훈련시킴으로써 팀은 올바른 데이터를 올바른 사람에게 제공할 수 있다.

4. 중력 렌즈

우주에서 점점 더 많은 데이터를 수집함에 따라 때로는 유용하지 않은 데이터를 선별하고 폐기해야 하는 경우도 있다. 그렇다면 이러한 데이터에서 가장 희귀 한 물체를 어떻게 찾을 수 있을까?

많은 천문학자를 자극하는 천체 현상 중 하나는 강력한 중력 렌즈이다. 이것은 우리의 시선을 따라 두 개의 은하가 정렬되고 가장 가까운 은하의 중력이 렌즈 역할을 하고 더 먼 물체를 확대하여 고리, 십자가 및 이중 이미지를 생성할 때 발생한다.

이 렌즈를 찾는 것은 건초 더미에서 바늘을 찾는 것과 같다. 관찰 가능한 우주 크기의 건초 더미이다. 은하에 대한 이미지를 점점 더 많이 수집함에 따라 점점 더 어려워질 검색이다.

2018년에는 전 세계의 천문학자들이 Strong Gravitational Lens Finding Challenge에 참여하여 누가 이 렌즈를 자동으로 찾는 최고의 알고리즘을 만들 수 있는지 경쟁했다.

이 도전의 우승자는 컨볼루션 신경망이라는 모델을 사용했다. 이 모델은 렌즈를 포함하는지 여부를 분류할 수 있을 때까지 다른 필터를 사용하여 이미지를 분해하는 방법을 학습한다. 놀랍게도 이 모델은 사람보다 훨씬 낫다. 우리 인간이 알아 채지 못하는 이미지에서 미묘한 차이를 발견했다.

향후 10년 동안 Vera Rubin Observatory와 같은 새로운 기기를 사용하여 천문학자들은 수천 테라 바이트에 달하는 페타 바이트의 데이터를 수집할 것이다. 우주를 더 깊이 들여다보면 천문학자의 연구는 점점 더 머신러닝 기술에 의존하게 될 것이다.