Een illustratie van een kunstenaar van twee samenzwervende zwarte gaten die in ruimtetijd zwaartekrachtsgolven creëren.
(Afbeelding: © NASA)
Een nieuw softwareprogramma dat kunstmatige intelligentie gebruikt, kan helpen bij het snel detecteren en analyseren van zwaartekrachtsgolven - rimpelingen in het kosmische weefsel van ruimtetijd - van catastrofale gebeurtenissen zoals botsingen tussen zwarte gaten, vindt een nieuwe studie.
De nieuwe techniek, deep filtering genaamd, kan onderzoekers helpen catastrofale gebeurtenissen te zien die de huidige software mogelijk niet detecteert, zoals titanische fusies in de harten van sterrenstelsels, volgens de auteurs van een nieuw artikel dat het werk beschrijft.
Zwaartekrachtgolven zijn rimpels in het weefsel van ruimte en tijd. Ze worden gegenereerd wanneer een object met massa beweegt, en ze reizen met de snelheid van het licht, strekken zich uit en persen de ruimtetijd onderweg.
Zwaartekrachtgolven zijn buitengewoon moeilijk te detecteren en degenen die wetenschappers kunnen detecteren, zijn van uitzonderlijk grote objecten. Hoewel het bestaan van gravitatiegolven voor het eerst werd voorspeld door Albert Einstein in 1916, duurde het meer dan een eeuw voordat wetenschappers met succes het eerste directe bewijs van gravitatiegolven konden detecteren, met behulp van de Laser Interferometer Gravitational-Wave Observatory (LIGO) om de gravitatieve nasleep van twee zwarte gaten die tegen elkaar slaan.
De ontdekking van zwaartekrachtsgolven leverde drie wetenschappers de Nobelprijs 2017 voor natuurkunde op in oktober 2017. Sindsdien hebben onderzoekers ook zwaartekrachtsgolven gedetecteerd van een botsend paar dode sterren, neutronensterren genaamd - bevindingen die het decennia-oude mysterie van hoe sommige van de zware elementen van het universum zijn gemaakt.
De software die momenteel de signalen analyseert die door zwaartekrachtsgolven worden waargenomen, kan echter enkele dagen in beslag nemen om te achterhalen wat voor soort gebeurtenis die zwaartekrachtgolven zou kunnen hebben gegenereerd, vertelde co-auteur Eliu Huerta in een interview aan Space.com.
Bovendien is deze software gespecialiseerd in het detecteren van fusies tussen objecten die zich in ongeveer cirkelvormige banen met elkaar bevinden en relatief geïsoleerd zijn van hun omgeving, volgens Huerta, een theoretisch astrofysicus aan de Universiteit van Illinois in het Urbana-Champaign's National Center for Supercomputing Applications. De software zal waarschijnlijk geen zwaartekrachtsgolven detecteren van objecten in gebieden waar sterren dicht opeengepakt zitten, zoals de kernen van sterrenstelsels, waar de zwaartekrachtstrekkingen van nabijgelegen sterren de banen kunnen vervormen van cirkelvormig naar meer "excentriek" of ovaal van vorm, Huerta zei.
Nu suggereren de auteurs van het onderzoek dat kunstmatige-intelligentiesoftware de analyse van zwaartekrachtsgolven aanzienlijk kan versnellen, evenals "[de] detectie van nieuwe klassen van zwaartekrachtsgolven mogelijk maakt die onopgemerkt kunnen blijven met bestaande detectie-algoritmen", Huerta vertelde Space.com.
De nieuwe AI-software omvat kunstmatige neurale netwerken, waarin kunstmatige componenten die "neuronen" worden genoemd, gegevens worden aangevoerd en samenwerken om een probleem op te lossen, zoals het herkennen van een afbeelding. Een neuraal netwerk past dan herhaaldelijk de verbindingen tussen zijn neuronen aan en kijkt of deze nieuwe verbindingspatronen het probleem beter kunnen oplossen. In de loop van de tijd onthult dit proces van vallen en opstaan welke patronen het beste zijn in computeroplossingen, waarbij het leerproces in het menselijk brein wordt nagebootst.
Terwijl conventionele technieken enkele dagen in beslag zouden kunnen nemen om de kenmerken van gravitatiegebeurtenissen uit detectorgegevens te beperken, zouden geavanceerde neurale netwerken die bekend staan als "diepe convolutionele neurale netwerken" dit binnen een seconde kunnen doen, vonden de wetenschappers. Bovendien, terwijl conventionele methoden duizenden CPU's (de centrale verwerkingseenheden van computers) nodig zouden hebben om deze taak uit te voeren, werkte de nieuwe techniek "zelfs met een enkele CPU - dat wil zeggen met uw smartphone of een standaardlaptop", zei Huerta.
Daarnaast ontdekten de onderzoekers dat deze nieuwe techniek ook snel fusies kan analyseren die complexer zijn dan de huidige software kan analyseren, zoals fusies met zwarte gaten in excentrische banen. De nieuwe software had ook lagere foutenpercentages en was beter in het herkennen van fouten in de gegevens.
Huerta en Daniel George, een computationele astrofysicus aan de Universiteit van Illinois in Urbana-Champaigns National Center for Supercomputing Applications, hebben hun bevindingen online op 27 december gepubliceerd in het tijdschrift Physics Letters B.
