Observasi, Simulasi, dan AI Bergabung untuk Mengungkapkan Alam Semesta yang Jernih
INFO RIMBA - Astronom Jepang
telah mengembangkan teknik kecerdasan buatan (AI) baru untuk menghilangkan
kebisingan dalam data astronomi karena variasi acak dalam bentuk galaksi.
Setelah pelatihan dan pengujian ekstensif pada data tiruan besar yang dibuat
oleh simulasi superkomputer, mereka kemudian menerapkan alat baru ini ke data
aktual dari Teleskop Subaru Jepang dan menemukan bahwa distribusi massal yang
berasal dari menggunakan metode ini konsisten dengan model Alam Semesta yang
saat ini diterima. Ini adalah alat baru yang kuat untuk menganalisis big data
dari survei astronomi saat ini dan yang direncanakan.
Data survei area
yang luas dapat digunakan untuk mempelajari struktur skala besar Semesta
melalui pengukuran pola lensa gravitasi. Dalam lensa gravitasi, gravitasi objek
latar depan, seperti sekelompok galaksi, dapat mendistorsi gambar objek latar
belakang, seperti galaksi yang lebih jauh. Beberapa contoh lensa gravitasi
jelas, seperti "Mata Horus." Struktur skala besar, yang sebagian
besar terdiri dari materi "gelap" misterius, dapat mendistorsi bentuk
galaksi yang jauh juga, tetapi efek lensa yang diharapkan halus. Rata-rata
lebih dari banyak galaksi di suatu daerah diperlukan untuk membuat peta
distribusi materi gelap latar depan.
Tetapi teknik
ini melihat banyak gambar galaksi mengalami masalah; beberapa galaksi hanya
bawaan sedikit lucu melihat. Sulit untuk membedakan antara gambar galaksi yang
terdistorsi oleh lensa gravitasi dan galaksi yang benar-benar terdistorsi. Ini
disebut sebagai kebisingan bentuk dan merupakan salah satu faktor pembatas
dalam penelitian yang mempelajari struktur skala besar Alam Semesta.
Untuk mengimbangi
kebisingan bentuk, tim astronom Jepang pertama kali menggunakan ATERUI II,
superkomputer paling kuat di dunia yang didedikasikan untuk astronomi, untuk
menghasilkan 25.000 katalog galaksi tiruan berdasarkan data nyata dari Teleskop
Subaru. Mereka kemudian menambahkan kebisingan realis ke kumpulan data buatan
yang dikenal sempurna ini, dan melatih AI untuk secara statistik memulihkan
materi gelap lensa dari data tiruan.
Setelah
pelatihan, AI dapat memulihkan detail halus yang sebelumnya tidak dapat diservis,
membantu meningkatkan pemahaman kita tentang materi gelap kosmik. Kemudian
menggunakan AI ini pada data riil seluas 21 derajat persegi langit, tim
menemukan distribusi massa latar depan yang konsisten dengan model kosmologis
standar.
"Penelitian
ini menunjukkan manfaat menggabungkan berbagai jenis penelitian: pengamatan,
simulasi, dan analisis data AI," kata Masato Shirasaki, pemimpin tim,
"Di era big data ini, kita perlu melangkah melintasi batas-batas
tradisional antara spesialisasi dan menggunakan semua alat yang tersedia untuk
memahami data. Jika kita bisa melakukan ini, itu akan membuka bidang baru dalam
astronomi dan ilmu-ilmu lainnya."
Post a Comment