Используются ли компьютеры в астрономии сегодня?

Суть проста. Звезды и другие объекты на небе могут находиться на расстоянии миллионов световых лет. Когда вы смотрите на эти объекты, свет движется, чтобы встретиться с вашим взглядом. Когда он встречается с вашим глазом, он проходит через зрачок вашего глаза. Это технология человека, и чтобы увидеть больше, вам нужно больше света.

Если бы ваш зрачок был размером с Землю, наша Луна выглядела бы как ваши руки перед вами. Это означает, что чем больше света мы пропустим, тем больше мы сможем увидеть и тем больше он будет казаться.

Это то, чему астрономы и ученые посвятили себя в течение многих лет. Это имеет смысл. Однако современные телескопы не используют современные технологии. Да, у многих есть некоторые новые функции, но, в конце концов, они используют две разные системы.

Одной из таких систем является знаменитый рефрактор Галилея. Это работает, позволяя свету проходить через большую линзу и, наконец, через другие линзы фокусироваться, чтобы встретиться с вашим глазом. Что здесь происходит, так это то, что вы можете видеть объекты, находящиеся далеко, в большем увеличении. По сути, вы увеличили зрачок своего глаза!

Другой широко используемой системой является система телескопа Исаака Ньютона.Эта технология, используемая в широко доступных астрономических телескопах, заключается в том, что свет входит и отражается от зеркала, а затем возвращается, чтобы найти другое наклонное зеркало, которое направляет свет через линзу навстречу вашему глазу. Опять же, фактически увеличивая зрачок с помощью технологий.

Сегодня в астрономии используются гораздо больше технологий. Например, космический телескоп Хаббл и многие другие астрономические приборы. Тем не менее, одна вещь, которая становится все более распространенной, - это использование компьютера, который управляет телескопом. Это сделало навигацию по ночному небу намного проще, чем раньше.

Хотите посмотреть, как выглядят планеты? Узнайте больше об астрономии, телескопах и астрономических биноклях, посетив эти ссылки: купить телескопы | Телескопы Мида.

(Inside Science) – Google использует "глубокое обучение" для создания подписей к изображениям, Facebook использует его для распознавания лиц, а Tesla использует его для обучения беспилотных автомобилей. Теперь астрономы освоили глубокое обучение, форму машинного обучения, с помощью которой компьютер можно научить идентифицировать или классифицировать определенные объекты на изображениях.

Новейшие телескопы, такие как Dark Energy Survey, использующий 4-метровый телескоп на севере Чили и покрывающий около четверти южной части неба, делают миллионы изображений различных небесных объектов. К ним часто относятся визуальные искажения, космические лучи и следы спутников, которые затрудняют их интерпретацию. Глубокое обучение может помочь быстро обработать этот поток данных.

"Астрономия – это следующий рубеж, на котором ее можно освоить", – сказал Брайан Норд, астрофизик из Фермилаборатории в Батавии, штат Иллинойс.

Норд входит в группу астрофизиков, которые ищут редкие гравитационные линзы со следами искривленных полос света или дубликатов изображений, указывающих на присутствие массивных объектов, искажающих световые лучи. Ученым часто приходится просматривать многочисленные изображения на глаз по одному. Но теперь в их распоряжении есть техника, способная изменить правила игры.

Массивные объекты в космосе, такие как скопления галактик в сочетании со скрытой от глаз темной материей, искажают свет, который мы видим от далеких галактик и квазаров, отклоняя и искажая световые лучи вокруг них. Далекие галактики выглядят как увеличенные дуги, словно видимые через край космического увеличительного стекла.

Ученые уже нашли сотни таких линз, подтверждая предсказания общей теории относительности, сделанные Альбертом Эйнштейном и другими в 1930-х годах. Согласно исследованию, представленному Нордом на собрании Американского астрономического общества в Грейпвайн, штат Техас, 4 января, с помощью недавно разработанных инструментов глубокого обучения астрономы рассчитывают найти как минимум еще 2000 с помощью Обзора темной энергии. Большой каталог гравитационных линз поможет астрономы узнают больше о природе темной материи и о том, как она удерживает галактики вместе.

Найти гравитационные линзы — это все равно, что найти иголки в стоге сена на большом расстоянии, когда нет двух одинаковых иголок или стогов сена. «Глубокое обучение — это способ создать модель сложной системы, — сказал Норд.

Для создания сложных классификаций астрономы уже давно используют статистические методы машинного обучения, такие как нейронные сети, которые представляют собой запрограммированные системы с многоуровневыми узлами, соединенными в сеть, очень похожую на нейроны в человеческом мозгу. Глубокое обучение просто включает в себя больше взаимосвязанных слоев или шагов в вычислениях, включая «скрытые» уровни, сложность которых возрастает по мере продвижения алгоритма от ввода к выводу.

Например, с помощью программного обеспечения для распознавания лиц кто-то загружает изображение, и система сначала обнаруживает края, линии и кривые. Затем промежуточные слои объединяют элементы более высокого уровня, такие как глаза или рот, и, в конечном итоге, лицо. Для гравитационных линз программное обеспечение постепенно распознавало бы большую галактику, окруженную дугами, указывая на линзированные объекты на заднем плане.

После обучения на множестве изображений линз такой алгоритм может находить новые линзы в изображениях, с которыми он никогда раньше не сталкивался. Текущие современные алгоритмы могут правильно идентифицировать эти линзы почти в нескольких процентах случаев, когда они ошибочно принимают особенно грязное изображение за реальную вещь.

"Если это работает, но с точностью 97 %, вы можете быть сильно завалены ложными срабатываниями", – сказал Колин Джейкобс, который вместе с Карлом Глейзбруком из Технологического университета Суинберна в Мельбурне, Австралия, также работает над этой проблемой. «В идеале он должен быть более точным, чем то, что вам нужно для компьютерного зрения или распознавания лиц», — добавил он.

Чтобы решить эту проблему, Норд, Джейкобс и их коллеги разработали строгий алгоритм, гарантирующий, что он найдет сливки урожая, самые четкие линзы в опросе. Но это рискует пропустить много объективов.Кроме того, они стараются быть более снисходительными в своих критериях поиска, зная, что позже это будет означать отсеивание вручную некоторых изображений, которые немного похожи на линзы.

За последние пару лет астрономы начали применять глубокое обучение и в других областях, в основном для расшифровки изображений другими способами. Они использовали методы, чтобы различать далекие галактики и звезды в Млечном Пути, оценивать расстояние до далеких объектов и классифицировать структуры галактик, которые могут принимать различные спиральные и эллиптические формы.

Другие использовали гражданскую науку, привлекая людей со всего мира для помощи в сортировке изображений. Например, проект под названием Galaxy Zoo классифицировал структуру сотен тысяч галактик, а другой проект под названием Space Warps обнаружил десятки кандидатов на гравитационные линзы, пропущенные другими.

Норд приветствует эти усилия, но если его программное обеспечение будет работать так, как рекламируется, "глубокое обучение может быть намного быстрее", – сказал он.

Цифровые обзоры неба и телескопические наблюдения в реальном времени дают беспрецедентный поток информации. Астрономы создали новые инструменты для просеивания всех этих данных, которые могут содержать ответы на некоторые из величайших вопросов космологии.

Контрастные виды туманности Лагуна. Вверху: инфракрасные наблюдения из обсерватории Параналь в Чили прорезают пыль и газ, чтобы показать четкие изображения молодых звезд внутри. Внизу: аналогичный вид в видимом свете выглядит непрозрачным. ЕСО, ВВВ

Информационный бюллетень

Для Кирка Борна информационная революция началась 11 лет назад, когда он работал в Национальном центре данных космической науки НАСА в Гринбелте, штат Мэриленд. На конференции другой астроном спросил его, может ли центр заархивировать терабайт данных, собранных в ходе обзора неба MACHO — проекта, предназначенного для изучения загадочных космических тел, излучающих очень мало света или другого излучения. В настоящее время многие настольные компьютеры могут хранить терабайт данных на жестком диске. Но когда Борн запустил запрос на флагштоке, его босс чуть не задохнулся. "Это невозможно!" — сказал он Борну. «Разве вы не понимаете, что весь набор данных, собранный НАСА за последние 45 лет, составляет один терабайт?»

"Именно тогда зажглась лампочка", – говорит Борн, ныне доцент кафедры вычислений и данных в Университете Джорджа Мейсона. «Этот единственный эксперимент дал столько же данных, сколько и предыдущие 15 000 экспериментов. Тогда я понял, что нам нужно что-то сделать, чтобы не только сделать все эти данные доступными для ученых, но и сделать возможными научные открытия на основе всей этой информации».

Астрономические инструменты радикально изменились только за последнее поколение, и наша картина Вселенной изменилась вместе с ними. Прошли те времена, когда фотопластинки записывали снимок неба путем кропотливого снимка. Сегодня более дюжины обсерваторий на Земле и в космосе позволяют исследователям наблюдать за обширными участками Вселенной на разных длинах волн, от радиоволн до гамма-лучей. А с появлением цифровых детекторов компьютеры заменили фотолаборатории. Эти новые возможности дают гораздо более осмысленный способ понять наше место в космосе, но они также высвободили непонятный поток данных. Удивительные открытия могут быть видны, но скрыты во всей информации.

С 2000 года в рамках Sloan Digital Sky Survey стоимостью 85 миллионов долларов США в обсерватории Apache Point в Нью-Мексико было получено изображение более трети ночного неба и получена информация о более чем 930 000 галактик и 120 000 квазаров. Вычислительный анализ колоссального набора данных Слоана позволил обнаружить свидетельства существования некоторых из самых ранних известных астрономических объектов, определить, что в большинстве крупных галактик есть сверхмассивные черные дыры, и даже наметить трехмерную структуру локальной вселенной. «До Слоуна в астрономии доминировали отдельные исследователи или небольшие группы», — говорит Роберт Бруннер, профессор астрономии из Иллинойского университета в Урбана-Шампейн. «Вы бы подошли к телескопу, получили данные и проанализировали их. Затем появился Sloan, и внезапно появился этот огромный набор данных, предназначенный для одной вещи, но люди использовали его для множества других интересных вещей. Таким образом, в астрономии произошли кардинальные изменения, которые позволяют людям, не связанным с проектом, задавать совершенно новые вопросы».

Обзоры неба нового поколения обещают внести в каталог буквально миллиарды и миллиарды астрономических объектов. Проблема в том, что в известной вселенной недостаточно аспирантов, чтобы классифицировать их всех. Когда Большой синоптический обзорный телескоп (LSST) в Серро-Пачоне, Чили, нацелился на 3.Цифровая камера с разрешением 2 миллиарда пикселей (самая большая в мире) в ночном небе в 2019 году будет захватывать площадь, в 49 раз превышающую площадь Луны, при каждой 15-секундной выдержке, 2000 раз за ночь. Эти снимки будут сшиваться вместе в течение десяти лет, чтобы в конечном итоге сформировать движущееся изображение половины видимого неба. LSST, производящий 30 терабайт данных каждую ночь, станет центральным элементом того, что некоторые эксперты назвали веком петамасштабной астрономии — это 10 15 бит (то, что Борн в шутку называет «тоннабайтом»).

Мозаичный вид центра Млечного Пути, составленный из 1200 изображений, сделанных в течение 200 часов Очень Большим Телескопом в Серро-Паранале, Чили. ESO/С.Гуизар

Поток данных уже ошеломил астрономов, которые в прошлом выдерживали ожесточенную конкуренцию за то, чтобы получить хотя бы немного времени для наблюдений в крупной обсерватории. «Впервые в истории мы не можем изучить все наши данные», — говорит Джордж Джорджовски, профессор астрономии и содиректор Центра перспективных вычислительных исследований Калифорнийского технологического института. «Дело не только в объеме данных. Это также качество и сложность. Крупный обзор неба может обнаружить миллионы или даже миллиарды объектов, и для каждого объекта мы можем измерить тысячи атрибутов в тысячах измерений. Вы можете получить готовый пакет для интеллектуального анализа данных, но если вы хотите иметь дело с миллиардом векторов данных в тысяче измерений, вам не повезет, даже если вы владеете самым большим в мире суперкомпьютером. Задача состоит в том, чтобы разработать новую научную методологию для 21 века».

Основой этой методологии является метод обработки данных, известный как информатика. Он уже изменил медицину, позволив биологам секвенировать ДНК тысяч организмов и искать генетические ключи к здоровью и болезням. Астрономы надеются, что информатика сделает то же самое для них. Основная идея состоит в том, чтобы использовать компьютеры для извлечения смысла из необработанных данных, слишком сложных для понимания человеческим мозгом. Алгоритмы могут обрабатывать терабайты данных за считанные секунды, выделяя закономерности и аномалии, визуализируя ключевую информацию и даже «обучаясь» в процессе работы.

В некотором смысле информатика просто позволяет астрономам делать то, что они делали всегда, только гораздо быстрее и точнее. Например, интеллектуальный анализ данных полезен для классификации и кластеризации информации — двух важнейших методов в наборе инструментов астронома. Является ли объект звездой или галактикой? Если это галактика, то спиральная или эллиптическая? Если он эллиптический, то круглый или плоский? Не так много лет назад такие вопросы решались на глазок фотопластинками. Классификация не имеет большого значения, когда вы работаете с сотнями внесолнечных планет или тысячами сверхновых, но она становится чрезвычайно сложной, когда вы пытаетесь разобраться в миллиардах объектов.

Ученый-исследователь Мэтью Грэм из Центра передовых компьютерных исследований Калифорнийского технологического института вспоминает, как в 1996 году пытался идентифицировать несколько сотен квазаров для своей докторской диссертации о крупномасштабных структурах в далекой Вселенной. Он делал это старомодным способом — карандашом и бумагой, методом проб и ошибок. Когда LSST будет завершен, будет намного проще собрать набор данных из миллионов квазаров.

Антенны – пара галактик, находящихся в процессе сильного столкновения на расстоянии 62 миллиона световых лет – совокупность рентгеновских, оптических и инфракрасных данных. НАСА

Настройка алгоритмов на больших выборках не только упрощает распознавание шаблонов, но и ускоряет выявление выбросов. «В наши дни один объект на миллион является случайным открытием, — говорит Грэм. «Вы просто случайно навели телескоп в нужное место в нужное время». Это часто имеет место при поиске квазаров с «большим красным смещением», чрезвычайно далеких и ярких объектов, питаемых сверхмассивными черными дырами. В настоящее время найти их — во многом вопрос удачи. Благодаря компьютерам, обрабатывающим миллиард объектов, астрономы могут более методично искать такие экстремальные квазары или любые другие необычные объекты. Такой подход не только быстрее, но и точнее. Возможность со статистической достоверностью сказать, что что-то необычное, позволяет астрономам сосредоточиться на исключениях, подтверждающих правило.

С другой стороны, информатика — замечательный инструмент для сбора статистических данных о норме и использования инструментов вероятности для выяснения того, на что похожа Вселенная в целом. Например, астрономы традиционно оценивали расстояния до удаленных галактик с помощью спектрометра, который делит свет от объекта на составляющие его длины волн. Но на каждый спектр, полученный Слоаном, приходится около 100 объектов без спектров, только изображения. Поэтому Бруннер задействовал астроинформатику: он разработал алгоритм, который позволяет астрономам оценивать расстояние до объекта, просто анализируя изображения, что дает им гораздо больший набор данных для изучения трехмерной структуры Вселенной.«Это будет очень важно для LSST, — говорит он, — потому что мы не сможем получить спектры для 99 процентов объектов».

Междисциплинарный союз между информатикой и астрономией еще не полностью принят ни одной из семей, но ситуация меняется. В мае прошлого года произошел переломный момент — дебют Виртуальной астрономической обсерватории. Эта международная сеть, на создание которой ушло 10 лет, позволяет астрономам использовать Интернет для сбора данных с десятков телескопов. Затем, в июне, Калифорнийский технологический институт провел первую международную конференцию по «астроинформатике». Астрономы привыкли работать на пределе возможностей человеческого воображения, но даже им трудно представить, какие выводы они смогут извлечь из изобилия новых баз данных. «Мы построили дороги, — говорит Джорджовски. «Теперь нам нужны Феррари, чтобы на них ездить».

ЗООНАЙВЕРС

Данные людям В 2007 году оксфордский докторант Кевин Шавински, утомленный классификацией 50 000 галактик за одну неделю, решил обратиться за помощью к активному сообществу астрономов-любителей, используя метод, известный как краудсорсинг. Получившийся в результате проект, Galaxy Zoo, позволил добровольцам классифицировать изображения Слоановского цифрового обзора неба на своих домашних компьютерах.

В течение 24 часов после запуска сайт генерировал 70 000 классификаций в час. Обновленный Galaxy Zoo 2, запущенный двумя годами позже, за 14 месяцев собрал 60 миллионов классификаций от десятков тысяч пользователей. С другой стороны, статистический процесс под названием «клики очистки» искал и устранял неизбежные фальшивые и ошибочные классификации.

Интерфейс был настолько интуитивным, что даже 6-летний участник Galaxy Zoo Мэтью Грэм смог его понять. «Она думала, что это игра, — говорит он. Но Galaxy Zoo — это гораздо больше, чем игрушка. Он подготовил два десятка научных работ и идентифицировал несколько ранее неизвестных объектов, в первую очередь Воорверп Ханни (справа), своеобразный межгалактический шар, названный в честь голландского школьного учителя, который его заметил, и класс гиперактивных галактик, получивших название «Зеленый горошек». «Неспециалисты в конце концов обнаруживают странные вещи, потому что не знают, как не спросить: «Эй, что это там, в углу?», — говорит Люси Фортсон, доцент Миннесотского университета и руководитель проекта Citizen Science Alliance. .

Телескопы без границ

Чтобы узнать как можно больше об удаленных объектах, астрономы наблюдают за ними с помощью телескопов, которые «видят» в различных длинах волн. К сожалению, полученные наборы данных хранятся во многих местах по всему миру, что затрудняет доступ к ним; большинство из них также несовместимы по своей сути, поэтому их слияние требует много кропотливого труда. Около 10 лет назад группа астрономов заговорила о создании единой глобальной виртуальной обсерватории. Как и Интернет, виртуальная обсерватория — это скорее структура, чем физическая вещь: исследовательская среда, объединяющая данные из множества телескопов и архивов и предоставляющая инструменты для их изучения.

В США экспериментальная версия (Национальная виртуальная обсерватория) была запущена в 2002 году, но из-за отсутствия хороших инструментов для анализа данных ее было трудно использовать. «Никакой науки не было, только сантехника», — говорит астроном Калифорнийского технологического института Джордж Джорджовски, член научно-консультативного совета виртуальной обсерватории. «Люди, которые хотели заниматься наукой, в том числе и я, потеряли терпение и пошли работать над своими проектами. Нет результатов для показа, никто не хочет его использовать. Никто не хочет его использовать, никаких результатов». Перспективы виртуальной астрономии резко улучшились в мае прошлого года, когда НАСА и Национальный научный фонд выделили 27,5 млн долларов в течение пяти лет, чтобы, наконец, запустить Виртуальную астрономическую обсерваторию (ВАО) и продолжить разработку инструментов для обмена данными с астрономами по всему миру.< /p>

Улыбка: Вселенная в 1 триллионе ослепительных пикселей

В начале этого года астрономы из Sloan Digital Sky Survey опубликовали крупнейшее из когда-либо созданных цветных изображений Вселенной — набор парных портретов размером в триллион пикселей, покрывающий треть ночного неба. Она включает примерно четверть миллиарда галактик и примерно такое же количество звезд в нашей родной галактике, Млечном Пути. Коричневатое изображение в крайнем левом углу, названное одним из членов команды «оранжевым пауком», является одним из портретов, покрывающих южное полушарие Млечного Пути. Каждая точка на изображении представляет несколько галактик.

ЦИФРОВОЙ ОБЗОР НЕБА SLOAN

Величайший картограф во Вселенной

Программа Sloan Digital Sky Survey (SDSS), запущенная в 2000 году, возвестила о начале современной эры масштабной астрономии. В течение многих лет ученые, которым требовалось глобальное представление о том, что там происходит, полагались на один доминирующий набор фотографий — обзор неба Паломарской обсерватории, созданный в 1950-х годах.Телескоп Слоана (расположенный в обсерватории Апачи-Пойнт в Нью-Мексико) воспроизвел большую часть Паломарского обзора, но заменил фотопластинки цифровыми изображениями, которые можно было обновлять и анализировать в электронном виде в любом месте. «Слоан был самым крупным игроком в привлечении людей к этому подходу», — говорит астроном Калифорнийского технологического института Джордж Джорджовски. «Обзоры неба стали уважаемыми не только потому, что они давали так много данных, но и потому, что содержание данных было настолько высоким, что они позволили стольким людям заниматься наукой».

Ученые Sloan сделали несколько впечатляющих открытий. В 2000 году исследователи проекта обнаружили самый далекий квазар из когда-либо наблюдавшихся. Но независимые астрономы написали подавляющее большинство из более чем 2000 научных статей, основанных на SDSS; они просто используют общедоступные данные Sloan в качестве основы для своих исследований. В одном драматическом примере астрономы Кембриджского университета обнаружили «Поле ручьев» — скопление звезд, протянувшееся почти на четверть пути по небу. Похоже, это осколки маленьких галактик, поглощенных Млечным Путем.

Кинокамера большого синоптического обзорного телескопа к звездам

Большой синоптический обзорный телескоп [LSST], строящийся на вершине Серро-Пачон в Чили, представляет собой мегапроект стоимостью 450 млн долларов, который действительно укрепит отношения между астрономией и информатикой. Он предназначен для исследования темной энергии и темной материи, тщательной инвентаризации Солнечной системы, беспрецедентно подробного картографирования Млечного Пути и наблюдения за всем, что меняется или движется в небе.

Вооруженный 8,4-метровым оптическим телескопом и 3200-мегапиксельной камерой — самой большой в мире — LSST за пару ночей запишет столько же данных, сколько Sloan Survey за восемь лет. «Впервые в последовательном обзоре будет каталогизировано больше астрономических объектов, чем людей на Земле», — говорит Саймон Кругофф, член группы управления данными LSST. (Для тех, кто ведет счет дома, эксперты прогнозируют 20 миллиардов объектов.)

Читайте также:

  
• Как сделать стикеры в телеграм с компьютера
  
• Системная шина компьютера не включает
  
• Как зарегистрировать брелок Sherkhan Magikar 5 без дисплея
  
• Как найти сетевые настройки удаленного компьютера
  
• Как пользоваться Vegas pro