26.05.2022. - ИИ раскрыл математику, лежащую в основе поиска экзопланет

ИИ раскрыл математику, лежащую в основе поиска экзопланет

Алгоритмы искусственного интеллекта (ИИ), обученные на реальных астрономических наблюдениях, теперь превосходят астрономов в просеивании огромных объемов данных, чтобы найти новые взрывающиеся звезды, идентифицировать новые типы галактик и обнаружить слияния массивных звезд, ускоряя скорость новых открытий в старейшие в мире науки. Но ИИ, также называемый машинным обучением, может раскрыть нечто более глубокое, как обнаружили астрономы Калифорнийского университета в Беркли: неожиданные связи, скрытые в сложной математике, вытекающей из общей теории относительности, — в частности, как эта теория применяется для поиска новых планет вокруг других звезд.

В статье, опубликованной на этой неделе в журнале Nature Astronomy, исследователи описывают, как алгоритм искусственного интеллекта, разработанный для более быстрого обнаружения экзопланет, когда такие планетные системы проходят перед фоновой звездой и кратковременно увеличивают ее яркость — процесс, называемый гравитационным микролинзированием, — показал, что Теории десятилетней давности, используемые сейчас для объяснения этих наблюдений, прискорбно неполны. В 1936 году сам Альберт Эйнштейн использовал свою новую общую теорию относительности, чтобы показать, как свет далекой звезды может искривляться под действием гравитации звезды переднего плана, не только делая ее ярче, если смотреть с Земли, но и часто разделяя ее на несколько точек. света или искажая его в кольцо, теперь называемое кольцом Эйнштейна. Это похоже на то, как ручная линза может фокусировать и усиливать солнечный свет.

Но когда объект на переднем плане — звезда с планетой, яркость с течением времени — кривая блеска — становится более сложной. Более того, часто существует несколько планетных орбит, которые могут одинаково хорошо объяснить данную кривую блеска — так называемые вырождения. Именно здесь люди упростили математику и упустили более широкую картину. Алгоритм ИИ, однако, указал на математический способ объединения двух основных видов вырождения при интерпретации того, что телескопы обнаруживают во время микролинзирования, показывая, что две «теории» на самом деле являются частными случаями более широкой теории, которую исследователи признают, вероятно, все еще неполной. .

«Ранее разработанный нами алгоритм логического вывода на основе машинного обучения привел нас к открытию чего-то нового и фундаментального в уравнениях, которые управляют общим релятивистским эффектом искривления света двумя массивными телами», — написал Джошуа Блум в своем блоге в прошлом году, когда загрузил статью. на сервер препринтов arXiv. Блум — профессор астрономии Калифорнийского университета в Беркли и заведующий кафедрой. Он сравнил открытие, сделанное аспирантом Калифорнийского университета в Беркли Кемингом Чжаном, с теми связями, которые команда DeepMind, занимающаяся искусственным интеллектом, недавно установила между двумя разными областями математики. В совокупности эти примеры показывают, что системы ИИ могут выявлять фундаментальные ассоциации, которые упускают из виду люди.

«Я утверждаю, что они представляют собой один из первых — если не первый — случай, когда ИИ использовался для непосредственного получения новых теоретических знаний в математике и астрономии», — сказал Блум. «Подобно тому, как Стив Джобс предположил, что компьютеры могут быть велосипедами для разума, мы искали структуру ИИ, которая могла бы служить интеллектуальной ракетой для ученых». «Это своего рода веха в области искусственного интеллекта и машинного обучения», — подчеркнул соавтор Скотт Гауди, профессор астрономии в Университете штата Огайо и один из пионеров использования гравитационного микролинзирования для обнаружения экзопланет. «Алгоритм машинного обучения Кеминга обнаружил эту деградацию, которую не замечали эксперты в этой области, работавшие с данными в течение десятилетий. Это наводит на мысль о том, как будут развиваться исследования в будущем, когда им будет помогать машинное обучение, что действительно интересно».

Открытие экзопланет с помощью микролинзирования

Вокруг звезд Млечного Пути было обнаружено более 5000 экзопланет, или внесолнечных планет, хотя лишь немногие из них были замечены в телескоп — они слишком тусклые. Большинство из них были обнаружены, потому что они создают доплеровское колебание в движении своих звезд-хозяев или потому, что они слегка затемняют свет от звезды-хозяина, когда пересекаются перед ней — транзиты, которые были в центре внимания миссии НАСА «Кеплер». Только немногие из более чем 100 были обнаружены третьим методом, микролинзированием. Одной из основных целей космического телескопа Нэнси Грейс Роман, запуск которого запланирован на 2027 год, является обнаружение еще тысяч экзопланет с помощью микролинзирования. Этот метод имеет преимущество перед доплеровским и транзитным методами в том, что он может обнаруживать планеты с меньшей массой, в том числе размером с Землю, которые находятся далеко от своих звезд, на расстоянии, эквивалентном расстоянию Юпитера или Сатурна в нашей Солнечной системе.

Два года назад Блум, Чжан и их коллеги приступили к разработке алгоритма искусственного интеллекта для более быстрого анализа данных микролинзирования, чтобы определить звездные и планетарные массы этих планетных систем и расстояния, на которых планеты вращаются вокруг своих звезд. Такой алгоритм ускорит анализ вероятных сотен тысяч событий, которые обнаружит римский телескоп, чтобы найти 1% или меньше, которые вызваны экзопланетными системами. Однако одна проблема, с которой сталкиваются астрономы, заключается в том, что наблюдаемый сигнал может быть неоднозначным. Когда одинокая звезда переднего плана проходит перед звездой заднего плана, яркость звезд заднего плана плавно возрастает до максимума, а затем симметрично падает до исходной яркости. Это легко понять математически и наблюдательно.

Но если у звезды переднего плана есть планета, планета создает отдельный пик яркости внутри пика, вызванного звездой. При попытке реконструировать орбитальную конфигурацию экзопланеты, вызвавшей сигнал, общая теория относительности часто допускает два или более так называемых вырожденных решения, каждое из которых может объяснить наблюдения. По словам Гауди, на сегодняшний день астрономы обычно имеют дело с этими вырождениями упрощенными и искусственно разными способами. Если далекий звездный свет проходит близко к звезде, наблюдения могут быть интерпретированы либо как широкая, либо как близкая орбита планеты — двусмысленность, которую астрономы часто могут решить с помощью других данных. Второй тип вырождения возникает, когда фоновый свет звезды проходит близко к планете. В этом случае, однако, два разных решения для планетарной орбиты, как правило, лишь немного различаются.

По словам Гауди, этих двух упрощений гравитационного микролинзирования двух тел обычно достаточно для определения истинных масс и орбитальных расстояний. Фактически, в статье, опубликованной в прошлом году, Чжан, Блум, Гауди и два других соавтора Калифорнийского университета в Беркли, профессор астрономии Джессика Лу и аспирант Кейси Лам, описали новый алгоритм ИИ, который вообще не полагается на знание этих интерпретаций. . Алгоритм значительно ускоряет анализ наблюдений микролинзирования, предоставляя результаты за миллисекунды, а не дни, и значительно сокращая нагрузку на компьютер.

Затем Чжан проверил новый алгоритм искусственного интеллекта на кривых блеска микролинзирования сотен возможных орбитальных конфигураций звезд и экзопланет и заметил нечто необычное: были и другие неясности, которые не учитывались двумя интерпретациями. Он пришел к выводу, что обычно используемые интерпретации микролинзирования на самом деле были лишь частными случаями более широкой теории, объясняющей все многообразие неоднозначностей в событиях микролинзирования. «Две предыдущие теории вырождения имеют дело со случаями, когда кажется, что звезда заднего плана проходит близко к звезде переднего плана или планете переднего плана», — сказал Чжан. «Алгоритм ИИ показал нам сотни примеров не только из этих двух случаев, но и из ситуаций, когда звезда не проходит близко ни к звезде, ни к планете и не может быть объяснена ни одной из предыдущих теорий. Это было ключом к тому, чтобы мы предложили новую объединяющая теория».

Сначала Гауди был настроен скептически, но пришел в себя после того, как Чжан привел множество примеров, когда две предыдущие теории не соответствовали наблюдениям, а новая теория соответствовала. Чжан просмотрел данные из двух десятков предыдущих работ, в которых сообщалось об открытии экзопланет с помощью микролинзирования, и обнаружил, что во всех случаях новая теория соответствует данным лучше, чем предыдущие теории. «Люди видели эти события микролинзирования, которые на самом деле демонстрировали это новое вырождение, но просто не осознавали этого», — сказал Гауди. «На самом деле это было просто машинное обучение, просматривающее тысячи событий, которые невозможно было пропустить».

Чжан и Гауди представили новую статью, в которой строго описывается новая математика, основанная на общей теории относительности, и исследуется теория в ситуациях микролинзирования, когда вокруг звезды вращается более одной экзопланеты. Новая теория технически делает интерпретацию наблюдений микролинзирования более неоднозначной, поскольку существует больше вырожденных решений для описания наблюдений. Но теория также ясно демонстрирует, что наблюдение за одним и тем же событием микролинзирования с двух точек зрения — например, с Земли и с орбиты римского космического телескопа — облегчит определение правильных орбит и масс. Это то, что астрономы в настоящее время планируют сделать, сказал Гауди.

«ИИ предложил способ взглянуть на уравнение линзы в новом свете и раскрыть что-то действительно глубокое в его математике», — сказал Блум. «Искусственный интеллект становится не просто грубым инструментом из нашего набора инструментов, а чем-то на самом деле довольно умным. Вместе с таким экспертом, как Кеминг, они оба смогли сделать что-то довольно фундаментальное».

Источник