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."