3 romvitenskapelige spørsmål som databehandling er med på å svare på

Daniel Zender

Etter hvert som romforskere samler inn mer og mer data, finner observatorier rundt om i verden nye måter å bruke superdatabehandling, cloud computing og dyp læring for å forstå det hele. Her er noen eksempler på hvordan disse teknologiene endrer måten astronomer studerer rommet på.

Hva skjer når sorte hull kolliderer?

Som postdoktor i USA, astrofysiker Eli Huerta begynte å tenke på hvordan teknologi kan hjelpe til med flere gjennombrudd innen hans felt. Så oppdaget forskere gravitasjonsbølger for første gang i 2015 med LIGO (Laser Interferometer gravitasjonsbølgeobservatoriet) .

Denne historien var en del av november 2021-utgaven vår

• Se resten av saken
• Abonnere

Forskere har siden kartlagt disse observasjonene og forsøkt å lære alt de kan om disse unnvikende kreftene. De har oppdaget flere titalls gravitasjonsbølgesignaler, og fremskritt innen databehandling hjelper dem med å følge med.

Som postdoktor søkte Huerta etter gravitasjonsbølger ved å kjedelige prøve å matche data samlet inn av detektorer til en katalog over potensielle bølgeformer. Han ønsket å finne en bedre måte.

Tidligere i år grønnsakstomt , som nå er dataforsker ved Argonne National Laboratory nær Chicago, opprettet en AI ensemble som er i stand til å behandle en måneds LIGO-data på bare syv minutter.

Algoritmene hans – som kjører på spesielle prosessorer kalt GPUer – kombinerer fremskritt innen kunstig intelligens og distribuert databehandling. Ved å bruke enten separate datamaskiner eller nettverk som fungerer som et enkelt system, kan Huerta identifisere gravitasjonsmessig tette steder som sorte hull, som produserer bølger når de smelter sammen.

Huertas samling av AI-modeller er åpen kildekode, noe som betyr at alle kan bruke dem. Ikke alle har tilgang til en superdatamaskin, sier han. Dette kommer til å senke barrierene for forskere til å ta i bruk og bruke AI.

Hvordan har nattehimmelen endret seg?

Så mye som astronomi har utvidet seg, har feltet vært treg med å integrere cloud computing. Vera C. Rubin-observatoriet , som for tiden er under bygging i Chile, vil bli den første astronomiske institusjonen av sin størrelse som tar i bruk et skybasert dataanlegg.

Relatert historie

Hvordan satellitt-megakonstellasjoner vil endre måten vi bruker rommet på Og uansett hvor mennesker går, vil de ta satellittkonstellasjoner med seg til månen og Mars.

Når observatoriet starter opp i 2024, vil dataene som teleskopet fanger opp, bli tilgjengelige som en del av Legacy Survey of Space and Time (LSST) prosjekt, som vil lage en katalog som er tusenvis av ganger større enn noen tidligere undersøkelse av nattehimmelen. Tidligere undersøkelser ble nesten alltid lastet ned og lagret lokalt, noe som gjorde det vanskelig for astronomer å få tilgang til hverandres arbeid.

Vi lager et kart over hele himmelen, sier Hsin-Fang Chiang , et medlem av Rubins dataadministrasjonsteam. Og i prosessen bygger de et enormt datasett som kommer til å være nyttig for mange forskjellige typer vitenskap innen astronomi.

Selv om Chiangs doktorgrad er i astronomi, hadde hennes første forskning ingenting med undersøkelsen å gjøre. År senere fikk hun en sjanse til å være involvert takket være den store størrelsen på prosjektet. Hun er stolt over at arbeidet hennes kan forbedre måten forskere samarbeider på.

Det 10-årige prosjektet vil levere et 500 petabyte sett med data og bilder til skyen, for å hjelpe astronomer med å svare på spørsmål om universets struktur og utvikling.

Det 10-årige prosjektet vil levere et 500 petabyte sett med data og bilder til skyen.

For hver posisjon på himmelen vil vi ha mer enn 800 bilder der, sier Chiang. Du kunne til og med se hva som skjedde i fortiden. Så spesielt for supernovaer eller ting som endrer seg mye, så er det veldig interessant.

Rubin-observatoriet vil behandle og lagre 20 terabyte med data hver natt ettersom det kartlegger Melkeveien og andre steder. Astronomer tilknyttet prosjektet vil kunne få tilgang til og analysere disse dataene fra hvor som helst via en nettleser . Etter hvert vil bildene teleskopet tar hver natt bli konvertert til en online database med stjerner, galakser og andre himmellegemer.

Hvordan så det tidlige universet ut?

Fremskritt innen databehandling kan hjelpe astronomer å skru tilbake den kosmiske klokken. Tidligere i år brukte japanske astronomer ATERUI II , en superdatamaskin som spesialiserer seg på astronomisimuleringer, for å rekonstruere hvordan universet kan ha sett ut så tidlig som Big Bang.

ATERUI II hjelper forskerne med å undersøke kosmisk inflasjon – teorien om at det tidlige universet ekspanderte eksponentielt fra det ene øyeblikket til det neste. Astronomer er enige om at denne utvidelsen ville ha gitt ekstreme variasjoner i materietettheten som ville ha påvirket både distribusjonen av galakser og måten de utviklet seg på.

Prosjektet krever en enorm mengde datalagring (omtrent 10 terabyte, tilsvarende 22 000 episoder av Game of Thrones)

Ved å sammenligne 4000 simuleringer av det tidlige universet – alle med forskjellige tetthetssvingninger – mot den virkelige varen, kunne forskere spole tilbake tiden og spørre hvorfor noen steder i universet er fulle av kosmisk aktivitet mens andre er golde.

Masato Shirasaki, en assisterende professor ved National Astronomical Observatory of Japan, sier at spørsmålet ville være nesten umulig å besvare uten disse simuleringene. Prosjektet krever en enorm mengde datalagring (ca. 10 terabyte, tilsvarende 22 000 episoder av Game of Thrones ).

Shirasakis team utviklet en modell av hvordan universet antas å ha utviklet seg og brukte den på hver av simuleringene for å se hvilket resultat som kan være nærmest hvordan det ser ut i dag. Denne metoden gjorde det lettere å utforske fysikken til kosmisk inflasjon.

I løpet av de neste årene kan Shirasakis metoder bidra til å forkorte observasjonstiden som trengs for fremtidig innsats som SPHEREx, et toårig oppdrag beregnet til 2024 som involverer et romfartøy som vil gå i bane rundt jorden og se på nesten 300 millioner galakser over himmelen. Med disse sprangene i databehandling utvides vår forståelse av universet, bit for bit.

gjemme seg