중력 렌즈는 우주에서 가장 먼 물체를 연구하려는 천문학 자에게 중요한 도구입니다. 이 기술은 먼 광원과 관찰자 사이에 거대한 물질 클러스터 (일반적으로 은하 또는 클러스터)를 사용하여 광원에서 나오는 빛을 더 잘 볼 수있게합니다. 아인슈타인의 일반 상대성 이론 (The Theory of General Relativity)에 의해 예측 된 결과로, 천문학 자들은 다른 방법으로 가려 질 수있는 물체를 볼 수 있습니다.
최근 유럽의 천문학 자 그룹은 막대한 데이터 더미에서 중력 렌즈를 찾는 방법을 개발했습니다. 구글, 페이스 북, 테슬라가 같은 인공 지능 알고리즘을 사용하여 대규모 천문 조사에서 56 개의 새로운 중력 렌즈 후보를 찾을 수 있었다. 이 방법을 사용하면 천문학자가 천체 이미지를 육안으로 검사 할 필요가 없습니다.
"Convolutional Neural Networks를 이용한 킬로 정도 조사에서 강력한 중력 렌즈 찾기"라는 제목의 연구를 최근에 발표 한 연구는 왕립 천문 학회 월간 고지. Kapteyn Astronomical Institute의 Carlo Enrico Petrillo가 이끄는이 팀은 국립 천체 물리학 연구소 (INAF), Argelander-Institute for Astronomy (AIfA) 및 University of Naples를 포함했습니다.
천문학 자에게는 유용하지만 중력 렌즈는 찾기 힘든 고통입니다. 일반적으로 이것은 망원경과 관측소에서 찍은 수천 개의 이미지를 분류하는 천문학 자로 구성됩니다. 학계 기관은 전례없는 아마추어 천문학 자 및 시민 천문학 자에 의존 할 수 있지만 전 세계의 악기가 정기적으로 캡처하는 수백만 장의 이미지를 유지할 수있는 방법은 없습니다.
이를 해결하기 위해 Petrillo 박사와 그의 동료들은 특정 패턴에 대한 데이터를 마이닝하는 일종의 기계 학습 알고리즘 인 "CUN (Convulutional Neural Networks)"으로 전환했습니다. Google은 동일한 신경망을 사용하여 세계 챔피언과의 Go 경기에서 승리했지만 Facebook은이를 사용하여 사이트에 게시 된 이미지의 내용을 인식하고 테슬라는이를 사용하여 자율 주행 자동차를 개발했습니다.
Petrillo는 네덜란드 천문학 연구소의 최근 언론 기사에서 다음과 같이 설명했습니다.
“천문학적 조사에서 컨볼 루션 신경망이 독특한 물체를 찾기 위해 처음으로 사용되었습니다. 나는 미래의 천문 조사가 검사에 필요한 엄청난 양의 데이터를 생산할 것이기 때문에 그것이 표준이 될 것이라고 생각합니다. 이에 대처할 천문학자가 충분하지 않습니다. "
그런 다음 팀은 이러한 신경망을 Kilo (Kilo-Degree Survey)에서 파생 된 데이터에 적용했습니다. 이 프로젝트는 칠레의 ESO Paranal Observatory에있는 VST Survey Telescope (VST)를 사용하여 남쪽 밤하늘의 1500 평방도를지도에 표시합니다. 이 데이터 세트는 ESO와 함께 유럽 과학자 컨소시엄이 개발 한 멀티 밴드 기기 인 VST의 OmegaCAM에서 수집 한 21,789 개의 컬러 이미지로 구성되었습니다.
이 이미지들은 모두 루미 너스 레드 갤럭시 (LRGs)의 예를 포함하고 있는데, 그 중 세 가지는 중력 렌즈로 알려져 있습니다. 처음에 신경망은이 샘플에서 761 개의 중력 렌즈 후보를 발견했습니다. 이 후보들을 육안으로 검사 한 후, 팀은 목록을 56 개의 렌즈로 좁힐 수있었습니다. 이것들은 미래에도 우주 망원경으로 확인해야하지만 결과는 매우 긍정적이었습니다.
연구에서 알 수 있듯이 이러한 신경망은 더 큰 데이터 세트에 적용될 때 수백 또는 수천 개의 새로운 렌즈를 나타낼 수 있습니다.
“우리의 결과에 근거한 보수적 인 추정은 우리의 제안 된 방법으로 완료시 KiDS에서 z ~> 0.4에서? 100 개의 거대한 LRG- 갤럭시 렌즈를 찾을 수 있어야 함을 보여줍니다. 가장 낙관적 인 시나리오에서이 수는 색상 크기 선택을 넓히고 더 작은 이미지 분리 렌즈 시스템을 인식하도록 CNN을 훈련시킬 때 상당히 커질 수 있습니다 (최대 2400 렌즈까지).”
또한 신경망은 데이터 세트에서 알려진 렌즈 중 두 개를 다시 발견했지만 세 번째 렌즈는 놓쳤습니다. 그러나 이것은이 렌즈가 특히 작고 신경망이이 크기의 렌즈를 감지하도록 훈련되지 않았기 때문입니다. 미래에, 연구원들은 더 작은 렌즈를 알아 내고 오 탐지를 거부하도록 신경망을 훈련시켜이를 교정하고자합니다.
물론 여기서 최종 목표는 육안 검사의 필요성을 완전히 없애는 것입니다. 그렇게함으로써 천문학 자들은 거친 작업을하지 않아도되었고, 발견 과정에 더 많은 시간을 할애 할 수있었습니다. 거의 같은 방식으로 기계 학습 알고리즘을 사용하여 중력파 및 외계 행성 신호에 대한 천문학적 데이터를 검색 할 수 있습니다.
다른 산업이 테라 바이트 단위의 소비자 또는 다른 유형의 "빅 데이터"를 이해하는 방법과 마찬가지로, 천체 물리학 및 우주론은 원시 데이터의 우주에서 패턴을 찾기 위해 인공 지능에 의존 할 수 있습니다. 그리고 그 대가는 가속화 된 발견 과정에 지나지 않을 것입니다.
