Reti Neurali simili al cervello studiano distorsioni spazio-temporali in tempi record
Per risolvere i misteri dell’Universo, gli scienziati si stanno affidando alla velocità dell’Intelligenza Artificiale.
I ricercatori hanno usato “reti neurali” ispirate al cervello per analizzare distorsioni significative dello spazio-tempo ad una velocità 10 milioni di volte superiore di quanto i metodi convenzionali possano fare.
Il nuovo studio ha addestrato un sistema di intelligenza artificiale per esaminare determinate formazioni, chiamate lenti gravitazionali, nelle immagini del telescopio spaziale Hubble e in immagini simulate. Il processo potrebbe dare ai ricercatori una migliore visione di come la massa sia distribuita nella galassia, ma anche fornire primi piani di oggetti galattici lontani.
“Analisi che in genere richiedono settimane o mesi di lavoro, che richiedono l’ input di esperti e che sono computazionalmente esigenti, possono essere completate in una frazione di secondo da una rete neurale. Il processo è completamente automatizzato e, in linea di principio, può essere condotto dal chip di un computer o di un cellulare,” Laurence Perreault Levasseur, co-autore del nuovo studio
Perreault Levasseur è ricercatore presso il Kavli Institute for Particle Astrophysics and Cosmology (KIPAC), che è un istituto congiunto del Laboratorio Nazionale SLAC del Dipartimento dell’ Energia degli Stati Uniti e dell’Università di Stanford.
Gli allineamenti casuali tra oggetti densi e galassie di fondo possono creare lenti gravitazionali — un ingrandimento naturale dello sfondo mentre la luce si piega intorno alla massa presente in primo piano. L’ anello di luce distorto che risulta, chiamato anello di Einstein, può essere analizzato per conoscere sia il sistema distante che la massa dell’oggetto di fronte ad esso. Ciò è particolarmente utile per comprendere la materia oscura che, sebbene non sia osservabile direttamente, può fungere da “lente” per mettere a fuoco le galassie di fondo.
Gli scienziati stanno rilevando sempre più lenti nei dati del telescopio, hanno dichiarato i ricercatori SLAC . Tuttavia, l’analisi dei sistemi per conoscere le proprietà degli oggetti è un lungo e noioso processo di comparazione tra immagini dell’ obiettivo e simulazioni, per poi cercare di ricreare le condizioni che le hanno causate.
Piuttosto che settimane o mesi di analisi per una singola lente, le reti neurali possono trovare le proprietà della lente in pochi secondi, hanno detto i ricercatori.
Reti neurali allenate a riconoscere lenti
Le reti neurali funzionano esponendo un sistema di intelligenza artificiale, con una particolare architettura ispirata al cervello, a milioni o miliardi di esempi di determinate proprietà, aiutando così i ricercatori ad identificare queste proprietà in altre situazioni. Ad esempio, mostrando a una rete neurale sempre più foto di cani, si possono identificare i cani sempre più accuratamente, senza richiedere ai ricercatori di dire alla rete a quali dettagli prestare attenzione.
Questo processo può essere utilizzato anche per compiti più complessi. Ad esempio, al programma di Google AlphaGo è stato mostrato un gran numero di partite di Go da analizzare e processare, e alla fine è stato in grado di sconfiggere il campione (umano) del mondo di questo complesso gioco di strategia. I programmi per computer tradizionali hanno invece vacillato a causa del numero estremo di mosse possibili.
In questo studio, i ricercatori hanno mostrato ai sistemi di rete neurale circa mezzo milione di immagini simulate di lenti gravitazionali per un intero giorno. Poi, hanno testato le reti su nuove lenti e hanno trovato analisi estremamente rapide e accurate.
“Le reti neurali che abbiamo testato — tre reti neurali pubblicamente disponibili e una che abbiamo sviluppato noi stessi — sono state in grado di determinare le proprietà di ogni lente, comprendendo la distribuzione della massa l’ingrandimento della galassia sullo sfondo”, Yashar Hezaveh, ricercatore alla KIPAC e principale autore della ricerca
Le reti neurali sono state applicate all’astrofisica in ricerche precedenti, ma raramente sono state usate a questo livello di complessità, hanno affermato i ricercatori. Per esempio, sono stati utilizzati per identificare se un’ immagine contiene una lente gravitazionale, ma mai per analizzarla.
“E’ come se [le reti neurali dello studio] non solo raccogliessero foto di cani da un mucchio di foto, ma restituissero anche informazioni su peso, altezza ed età di ogni cane”, ha detto Hezaveh.
Anche se l’ analisi è stata fatta con un cluster di calcolo ad alte prestazioni, i ricercatori hanno detto che potrebbe richiedere molta meno potenza di elaborazione — come quella di un computer portatile o di cellulare, per esempio. E poiché sempre più dati astronomici devono essere esaminati, tale processo potrebbe diventare uno strumento cruciale per analizzare questa grossa quantità di dati.
“Le reti neurali sono state applicate ai problemi astrofisici nel passato, con esiti misti,” ha dichiarato il ricercatore del KIPAC Roger Blandford, che non ha partecipato alla ricerca. “Ma i nuovi algoritmi combinati con le moderne unità di elaborazione grafica, o GPU, possono produrre risultati estremamente veloci e affidabili, come dimostra il problema delle lenti gravitazionali affrontato in questo articolo. C’è un notevole ottimismo sul fatto che questo approccio possa essere utilizzato per risolvere molti altri problemi di elaborazione e di analisi dei dati non solo nell’astrofisica, ma anche in altri settori”.
La nuova ricerca è stata pubblicata il 30 agosto nella rivista Nature.
Tradotto in Italiano. Articolo origniale: LiveSience
VISIONARI è un network di imprenditori, scienziati, artisti, scrittori e changemakers che pensano e agiscono al di fuori degli schemi.
Puoi fare domanda per entrare qui: https://bit.ly/visionari-entra
Seguici sulla nostra pagina Facebook per scoprire nuovi progetti innovativi:
Visionari
