გრავიტაციული ლინზირება საინტერესო ასტრონომიული მოვლენაა. ის ერთ-ერთი ამოუხსნელი ფენომენის, ბნელი მატერიის თვისებებს ავლენს. გრავიტაციული ლინზირება სივრცე-დროის გამრუდება ან დამახინჯებაა, რომელიც ალბერტ აინშტაინმა თავის ზოგადი ფარდობითობის თეორიაში საუკუნის წინ იწინასწარმეტყველა.

გრავიტაციული ლინზირება უნიკალურია, რადგან ამ მოვლენით მრავალი რამის გაგება შეგვიძლია სამყაროს შესახებ. მაგალითად, ასტრონომები გრავიტაციული ლინზირების შედეგად მიღებულ სურათებს სწავლობენ. ამას დიდი დრო მიაქვს, ამიტომ, მკვლევრებმა ამის უფრო სწრაფად გასაკეთებლად, შესაძლოა, ხელოვნური ინტელექტი გამოიყენონ. ხელოვნური ინტელექტი სხვა დროსაც გამოუყენებიათ ასტრონომიაში.

"მონაცების დამუშავებას კვირები ან თვეები სჭირდება. პროცესი მოითხოვს მრავალი ექსპერტის ჩართვასა და გამოთვლითი სახის უამრავი სამუშაოს ჩატარებას. ეს კი ნეირონული ქსელისთვის წამის საქმეც კი არაა. თან, რაც მთავარია, ამის გაკეთება სრულად ავტომატიზებულად, ტელეფონის კომპიუტერულ ჩიპზეც კი შესაძლებელია“. - ამბობს პოსტ-დოქტორი ლორენს პირო ლევისო.

ლევისო Nature-ში გამოქვეყნებული კვლევის თანაავტორია, რომელიც განიხილავს კავლის ნაწილაკური ასტროფიზიკისა და კოსმოლოგიის ინსტიტუტის (KIPAC) გუნდის ნაშრომს, რომელიც არის სტენფორდის უნივერსიტეტისა და აშშ-ს ენერგეტიკის დეპარტამენტის SLAC-ის ეროვნული ამაჩქარებელი ლაბორატორიის ერთობლივი პროექტი.

მკვლევრების მიერ გამოყენებული ნეირონული ქსელი თითქმის ერთი დღის განმავლობაში ნახევარ მილიონ სურათთან ამუშავეს, რომელიც გრავიტაციული ლინზირების სიმულირებული ფოტოები იყო. ასე "გაწვრთნეს" მეცნიერებმა ხელოვნური ინტელექტი.

შემდეგ მას გრავიტაციული ლინზირების რეალური ფოტოები აჩვენეს. ხელოვნურმა ინტელექტმა სივრცე-დროის გამრუდებების ანალიზი ტრადიციულ მეთოდებზე 10 მილიონჯერ სწრაფად შეასრულა.

ეს ძალიან მნიშვნელოვანი ნაბიჯია, რადგან გრავიტაციული ლინზირების ერთი ფოტოს ანალიზს, ტრადიციული მეთოდებით (კომპიუტერული სიმულაციებითა და მათემატიკური მოდელით), რამდენიმე კვირა ან თვე სჭირდება. იგივე ინფორმაცია ხელოვნურმა ინტელექტმა წამის ნახევარზე ნაკლებ დროში დაამუშავა.

"საოცარია, რომ ნეირონული ქსელები თვითონ სწავლობენ, რომელი მახასიათებლები უნდა ეძებონ" - ამბობს კვლევის თანაავტორი და KIPAC-ის მეცნიერი ფილ მარშალი.

"ეს ძალიან წააგავს იმ გზას, რითაც ბავშვები ობიექტებს ცნობენ. შენ არ ეუბნები მათ ზუსტად, რა არის ძაღლი, უბრალოდ მათ ფოტოებს აჩვენებ“, - ამბობს მეცნიერი.

გრავიტაციული ლინზირება მაშინ ხდება, როდესაც დამკვირვებელსა (ჩვენს) და შორეულ ობიექტს შორის დიდი მასის მატერია (ძირითადად, გალაქტიკათგროვები) მოექცევა. ამ დროს ამ მასიური მატერიის გრავიტაცია შორეული ობიექტიდან წამოსულ სინათლეს ამახინჯებს, ამრუდებს.

გრავიტაციული ლინზირების შედეგად უკანა ფონზე მყოფი გამრუდებული გალაქტიკა. ამ ობიექტს აინშტაინს რგოლს უწოდებენ.

ფოტო: ESA/Hubble & NASA

სივრცე-დროის ლინზირება ან გამრუდება მეტყველებს იმაზე, თუ როგორაა მასა გადანაწილებული კოსმოსში, რომელიც, აგრეთვე, დროთა განმავლობაში იცვლება.

SLAC-ის ეს კვლევა პირველი მცდელობა არაა, როდესაც მეცნიერები, გრავიტაციული ლინზირების შესასწავლად, ხელოვნურ ინტელექტზე გადაერთნენ . წინა კვლევებში ნეირონული ქსელები გამოიყენეს იმის გასარკვევად, ფიქსირდებოდა თუ არა სურათზე გრავიტაციული ლინზირება. ეს ახალი კვლევა კი ამაზე შორს წავიდა.

"ჩვენ მიერ გამოცდილმა ნეირონულმა ქსელებმა შეძლეს თითოეული მალინზირებელი ობიექტის ნიშნების გარჩევა, მათ შორის ისიც, როგორ იყო მასა განაწილებული და რამდენად გაადიდა ფონზე მყოფი გალაქტიკის სურათი", - ამბობს კვლევის მთავარი ავტორი იაშარ ჰეზავე.

საინტერესო ისაა, რომ მკვლევრებმა იგივე ნეირონული ქსელები თავიანთი კვლევის ცდომილებების გამოსათვლელად გამოიყენეს. მათ ეს მეორე ნაშრომი Astrophysical Journal Letters-ში გამოაქვეყნეს.

უახლესი ტენდენციის მიხედვით, ხელოვნური ინტელექტის სისტემები იწვრთნება ისე, რომ სამუშაოები ადამიანებზე უკეთ შეასრულონ. ის ფაქტი, რომ ისინი ჩვენზე უკეთ შეძლებენ გარკვეული სამუშაოების შესრულებას, მრავალ რამეში დაგვეხმარება - იქნება ეს მანქანების მართვა, თუ მეცნიერების რომელიმე დარგში კვლევების უფრო სწრაფი შესრულება.