KI enthüllt grundlegende Berechnungen zur Suche nach Exoplaneten

Das Konzept dieses Künstlers zeigt ein Planetensystem. Bildnachweis: NASA/JPL-Caltech

Algorithmen der künstlichen Intelligenz (KI), die auf realen astronomischen Beobachtungen trainiert wurden, übertreffen jetzt Astronomen beim Durchsuchen riesiger Datenmengen, um neue Supernovae zu finden, neue Arten von Galaxien zu identifizieren und massive Sternverschmelzungen zu entdecken, wodurch die Rate neuer Entdeckungen in der ältesten Welt beschleunigt wird. Wissenschaft.

Aber künstliche Intelligenz, auch maschinelles Lernen genannt, kann etwas Tieferes enthüllen, haben Astronomen an der University of California, Berkeley, herausgefunden: unerwartete Verbindungen, die in der komplexen Mathematik verborgen sind, die aus der allgemeinen Relativitätstheorie hervorgeht – insbesondere, wie man diese Theorie anwendet, um neue Planeten in der Nähe zu finden andere Sterne.

In einem Papier, das diese Woche im Magazin erscheinen wird natürliche AstronomieIn der Studie beschreiben die Forscher, wie ein KI-Algorithmus entwickelt wurde, um Exoplaneten schneller zu erkennen, wenn solche Planetensysteme vor einem Hintergrundstern vorbeiziehen, und ihn kurz aufzuhellen – ein Prozess, der als Mikrogravitation bezeichnet wird – und enthüllt, dass alte Theorien nun zur Erklärung dieser Beobachtungen verwendet werden leider unvollständig.

1936 verwendete Albert Einstein selbst seine neue Allgemeine Relativitätstheorie, um zu zeigen, wie das Licht eines entfernten Sterns durch die Schwerkraft eines Vordergrundsterns gebogen werden kann, um es nicht nur von der Erde aus gesehen aufzuhellen, sondern es oft in mehrere Punkte aufzuteilen anzünden oder zu einem Ring verzerren, der heute Einstein-Ring genannt wird. Dies ähnelt der Art und Weise, wie eine Handlinse das Licht der Sonne fokussieren und intensivieren kann.

Aber wenn das Vordergrundobjekt ein Stern mit einem Planeten ist, ist die Helligkeit über die Zeit – die Lichtkurve – komplexer. Außerdem gibt es oft mehrere Planetenbahnen, die eine gegebene Lichtkurve gleich gut interpretieren können – das nennt man Zerfälle. Hier haben die Menschen die Mathematik vereinfacht und das Gesamtbild verpasst.

Der KI-Algorithmus wies jedoch auf einen mathematischen Weg hin, um die beiden Hauptarten der Entartung zu vereinen, indem er erklärt, was Teleskope während der Mikrolinsenbildung erkennen, und zeigte, dass die beiden „Theorien“ wirklich Sonderfälle einer umfassenderen Theorie sind, von der die Forscher anerkennen, dass sie immer noch wahrscheinlich ist unvollständig. .

„Unser zuvor entwickelter maschineller Lernalgorithmus führte uns dazu, etwas Neues und Grundlegendes über die Gleichungen zu entdecken, die den allgemeinen relativistischen Effekt der Lichtbeugung durch zwei massive Objekte regeln“, schrieb Joshua Blume letztes Jahr in einem Blog, als er das Papier hochlud. zum Druckvorstufenserver arXiv. Bloom ist Professor für Astronomie an der University of California, Berkeley und Vorsitzender der Abteilung.

Die Entdeckung des Doktoranden Kiming Zhang von der UC Berkeley verglich Verbindungen, die kürzlich von Googles KI-Team DeepMind zwischen zwei verschiedenen Bereichen der Mathematik hergestellt wurden. Zusammengenommen zeigen diese Beispiele, dass KI-Systeme wesentliche Verbindungen aufdecken können, die Menschen übersehen.

„Ich würde behaupten, dass sie eine der ersten – wenn nicht sogar die ersten –[s] Laut Bloom wurde KI verwendet, um direkt neue theoretische Erkenntnisse in Mathematik und Astronomie zu generieren. „So wie Steve Jobs vorschlug, dass Computer Fahrräder des Geistes sein können, haben wir nach einem Rahmenwerk für künstliche Intelligenz gesucht, das als Raketen-Gedankenschiff für Wissenschaftler dienen kann.“

„Dies ist eine Art Meilenstein in der künstlichen Intelligenz und im maschinellen Lernen“, betont Co-Autor Scott Gaudi, Professor für Astronomie an der Ohio State University und einer der Pioniere bei der Nutzung der Gravitations-Mikrolinsen zur Entdeckung von Exoplaneten. „Der maschinelle Lernalgorithmus von Keming hat diesen Verfall aufgedeckt, der von Experten auf diesem Gebiet, die sich seit Jahrzehnten mit Daten abmühen, übersehen wurde. Dies deutet darauf hin, wie die Forschung in Zukunft verlaufen wird, wenn sie durch maschinelles Lernen unterstützt wird, was wirklich aufregend ist.“

يكشف الذكاء الاصطناعي عن العمليات الحسابية الأساسية للبحث عن الكواكب الخارجية

Manifestation des Offset-Abfalls in Diff-Maps der Verstärkung auf Quellenebene (oben) und Lichtkurven (unten). Anerkennung: natürliche Astronomie (2022). DOI: 10.1038 / s41550-022-01671-6

Exoplaneten aufspüren mit der Mikrolinse

Mehr als 5.000 Exoplaneten oder extrasolare Planeten wurden um Sterne in der Milchstraße entdeckt, obwohl nur sehr wenige tatsächlich durch ein Teleskop gesehen wurden – sie sind sehr schwach. Die meisten wurden entdeckt, weil sie Doppler-Oszillationen in den Bewegungen ihrer Wirtssterne erzeugen oder weil sie das Licht des Wirtssterns leicht dämpfen, wenn es vor ihm vorbeizieht – der Transit, der im Mittelpunkt der Kepler-Mission der NASA stand. Nur mehr als 100 wurden durch eine dritte Technik, die Mikrolinsenbildung, entdeckt.

Eines der Hauptziele des römischen Weltraumteleskops Nancy Grace der NASA, das bis 2027 starten soll, ist es, Tausende anderer Exoplaneten durch die präzise Linse zu entdecken. Diese Technologie hat gegenüber Doppler- und Transittechniken den Vorteil, dass sie massearme Planeten erkennen kann, einschließlich erdgroßer und weit entfernt von ihren Sternen, in einer Entfernung, die der von Jupiter oder Saturn in unserem Sonnensystem entspricht.

Vor zwei Jahren machten sich Bloom, Chang und ihre Kollegen daran, einen Algorithmus für künstliche Intelligenz zu entwickeln, um Mikrolinsendaten schneller zu analysieren, um die Stern- und Planetenmassen dieser Planetensysteme und die Entfernungen zu bestimmen, die die Planeten von ihren Sternen umkreisen. Ein solcher Algorithmus würde die Analyse von Hunderttausenden möglicher Ereignisse beschleunigen, die das römische Teleskop erkennen würde, um 1 % oder weniger zu finden, die von Exoplanetensystemen verursacht wurden.

Ein Problem für Astronomen besteht jedoch darin, dass das beobachtete Signal nebulös sein kann. Wenn ein einsamer Stern vor einem Hintergrundstern vorbeizieht, steigt die Helligkeit der Hintergrundsterne gleichmäßig auf ihren Höhepunkt an und fällt dann symmetrisch auf ihre ursprüngliche Helligkeit ab. Es ist mathematisch leicht zu verstehen und basiert auf Beobachtungen.

Aber wenn der Vordergrundstern einen Planeten hat, erzeugt der Planet eine diskrete Helligkeitsspitze innerhalb der durch den Stern verursachten Spitze. Beim Versuch, die Bahnkonfiguration des Exoplaneten zu rekonstruieren, der das Signal erzeugt hat, lässt die allgemeine Relativitätstheorie oft zwei oder mehr sogenannte entartete Lösungen zu, die alle die Beobachtungen erklären können.

Bis jetzt, sagte Gaudí, haben Astronomen diese Aberrationen im Allgemeinen auf künstlich vereinfachte und eindeutige Weise behandelt. Wenn das Licht des entfernten Sterns nahe am Stern vorbeigeht, können die Beobachtungen als weite oder enge Umlaufbahn des Planeten interpretiert werden – oft können Astronomen mit anderen Daten auflösen. Die zweite Art des Zerfalls tritt auf, wenn das Sternenlicht im Hintergrund nahe am Planeten vorbeizieht. In diesem Fall unterscheiden sich die beiden unterschiedlichen Lösungen der Planetenbahn jedoch nur geringfügig.

Laut Gaudi reichen diese beiden Vereinfachungen eines Mikrogravitationslinseneffekts für zwei Objekte aus, um die wahren Massen und Bahnabstände zu bestimmen. Tatsächlich beschreiben Zhang, Bloom, Gaudi und zwei weitere Co-Autoren von der UC Berkeley, die Astronomieprofessorin Jessica Lu und die Doktorandin Casey Lamm, in einem im vergangenen Jahr veröffentlichten Artikel einen neuen Algorithmus für künstliche Intelligenz, der nicht auf der Kenntnis dieser Interpretationen beruht alle. . Der Algorithmus beschleunigt die Analyse des Feedbacks der feinen Linsen erheblich, liefert Ergebnisse in Millisekunden statt in Tagen und reduziert die Belastung des Computers erheblich.

Zhang testete dann den neuen KI-Algorithmus an feinlinsigen Lichtkurven von Hunderten möglicher Orbitalformationen der Sterne und Exoplaneten und bemerkte etwas Ungewöhnliches: Es gab ein weiteres Rätsel, das die beiden Erklärungen nicht erklärten. Er kam zu dem Schluss, dass die allgemein verwendeten Interpretationen der Mikrolinsen tatsächlich nur Sonderfälle einer umfassenderen Theorie seien, die die ganze Vielfalt der Mehrdeutigkeiten bei Mikrolinsen-Ereignissen erklärt.

„Die beiden vorherigen Zerfallstheorien befassen sich mit Fällen, in denen der Hintergrundstern nahe am Vordergrundstern oder Vordergrundplaneten vorbeizufliegen scheint“, sagte Zhang. „Der KI-Algorithmus hat uns Hunderte von Beispielen gezeigt, nicht nur für diese beiden Fälle, sondern auch für Situationen, in denen der Stern nicht nahe am Stern oder am Planeten vorbeizieht und durch keine der beiden vorherigen Theorien erklärt werden kann. Dies war für uns von grundlegender Bedeutung, die neue Vereinigungstheorie vorzuschlagen.”

Gaudi war zunächst skeptisch, kam aber, nachdem Zhang viele Beispiele gegeben hatte, bei denen die beiden vorherigen Theorien nicht zu den Beobachtungen passten und die neue Theorie dies tat. Zhang betrachtete tatsächlich Daten aus zwanzig früheren Arbeiten, die über die Entdeckung von Exoplaneten durch die feinere Linse berichteten, und stellte fest, dass die neue Theorie in allen Fällen besser zu den Daten passte als frühere Theorien.

„Die Leute sahen sich diese winzigen Linsenereignisse an, die tatsächlich diese neue Dekadenz zeigten, aber sie merkten es nicht“, sagte Gaudi. „Es war wirklich nur maschinelles Lernen, das Tausende von Ereignissen betrachtete, die unmöglich zu übersehen waren.“

Zhang und Gaudi präsentieren ein neues Papier, das neue Mathematik auf der Grundlage der Allgemeinen Relativitätstheorie genau beschreibt und die Theorie in den genauen Linsenpositionen untersucht, wenn mehr als ein Exoplanet einen Stern umkreist.

Die neue Theorie macht die Interpretation von Beobachtungen mit feinen Linsen technisch mehrdeutiger, da es dekadentere Lösungen zur Beschreibung der Beobachtungen gibt. Aber die Theorie zeigt auch, dass es einfacher wäre, sich auf die richtigen Umlaufbahnen und Massen zu einigen, wenn man genau dasselbe Linsenereignis aus zwei Perspektiven beobachten würde – von der Erde und vom Orbit des römischen Weltraumteleskops aus. Das planen Astronomen derzeit, sagte Gaudí.

„Künstliche Intelligenz hat einen Weg vorgeschlagen, die Linsengleichung in einem neuen Licht zu betrachten und etwas wirklich Tiefes in ihrer Mathematik zu enthüllen“, sagte Bloom. „Künstliche Intelligenz entwickelt sich nicht nur zu einem stumpfen Werkzeug, das wir in unserer Werkzeugkiste haben, sondern zu etwas total Intelligentem. Zusammen mit einem Experten wie Keming konnten die beiden etwas sehr Grundlegendes tun.“


Neuer Exoplanet unter der Masse des Jupiter von Astronomen entdeckt


Mehr Informationen:
Keming Zhang et al, Einheitliche Ubiquitination in Zweikörper-Mikrolinsensystemen, natürliche Astronomie (2022). DOI: 10.1038 / s41550-022-01671-6

Bereitgestellt von der University of California – Berkeley

das Zitat: AI enthüllt grundlegende Mathematik für die Suche nach Exoplaneten (2022, 24. Mai) Abgerufen am 25. Mai 2022 von https://phys.org/news/2022-05-ai-reveals-unsuspected-math-underlying.html

Dieses Dokument ist urheberrechtlich geschützt. Ungeachtet eines fairen Umgangs zum Zwecke des privaten Studiums oder der Forschung darf kein Teil ohne schriftliche Genehmigung reproduziert werden. Der Inhalt wird nur zu Informationszwecken bereitgestellt.

Leave a Comment