أنظمة النجوم الثنائية هي أشياء فلكية معقدة – يمكن أن يثبط نهج الذكاء الاصطناعي الجديد خصائصها بسرعة

النجوم هي اللبنات الأساسية في عالمنا. تستضيف معظم النجوم الكواكب ، مثل SUN لدينا نظامنا الشمسي ، وإذا نظرت على نطاق أوسع ، فإن مجموعات من النجوم تشكل هياكل ضخمة مثل المجموعات والمجرات. لذلك قبل أن يتمكن علماء الفيزياء الفلكية من محاولة فهم هذه الهياكل واسعة النطاق ، نحتاج أولاً إلى فهم الخصائص الأساسية للنجوم ، مثل الكتلة ونصف القطر ودرجة الحرارة.

لكن قياس هذه الخصائص الأساسية أثبتت صعوبة بدرجة للغاية. وذلك لأن النجوم حرفيًا في المسافات الفلكية. إذا كانت شمسنا كرة سلة على الساحل الشرقي للولايات المتحدة ، فإن أقرب نجم ، Proxima ، سيكون برتقالي في هاواي. حتى أكبر التلسكوبات في العالم لا يمكنها حل البرتقال في هاواي. يبدو أن قياس نصف قطر وجماهير النجوم خارج نطاق متناول العلماء.

أدخل النجوم الثنائية. الثنائيات هي أنظمة من نجمتين تدور حول مركز كتلة متبادلة. يحكم اقتراحهم قانون Kepler التوافقي ، الذي يربط ثلاث كميات مهمة: أحجام كل مدار ، والوقت الذي يستغرقه في المدار ، يسمى الفترة المدارية ، والكتلة الكلية للنظام.

أنا عالم فلك ، وكان فريق البحث الخاص بي يعمل على تقدم نهج فهمنا والنمذجة النظري للنجوم الثنائية والأنظمة النجمية المتعددة. على مدار العقدين الماضيين ، كنا أيضًا رائدين في استخدام الذكاء الاصطناعي في تفسير ملاحظات هذه الأشياء السماوية للورابة.

قياس الجماهير النجمية

يمكن لعلماء الفلك قياس الحجم المداري وفترة النظام الثنائي بسهولة كافية من الملاحظات ، لذلك مع هاتين القطعتين يمكنهم حساب الكتلة الكلية للنظام. يعمل قانون Kepler التوافقي كمقياس لوزن الأجسام السماوية.

فكر في أرض أرض الملعب. إذا كان الطفلان يزنان نفس الشيء ، فسيتعين عليهما الجلوس في نفس المسافة تقريبًا من نقطة الوسط. ومع ذلك ، إذا كان طفل واحد أكبر ، فسيتعين عليه أن يجلس عن قرب ، والطفل الأصغر أبعد من نقطة الوسط.

إنه نفس الشيء مع النجوم: كلما كان النجم أكثر ضخامة في زوج ثنائي ، كلما كان أقرب إلى المركز ، كلما كان أبطأ يدور حول المركز. عندما يقيس علماء الفلك السرعات التي تتحرك فيها النجوم ، يمكنهم أيضًا معرفة حجم مدارات النجوم ، ونتيجة لذلك ، ما يجب أن يزنوا.

قياس نصف القطر النجمي

لا يخبر قانون Kepler التوافقي ، للأسف ، علماء الفلك عن نصف قطر النجوم. بالنسبة لأولئك ، يعتمد علماء الفلك على ميزة أخرى مصادفة من الطبيعة الأم.

مدارات النجوم الثنائية موجهة بشكل عشوائي. في بعض الأحيان ، يحدث أن خط البصر من التلسكوب يدور مع الطائرة التي يدور فيها نظام النجوم الثنائية. هذه المحاذاة المحظوظة تعني النجوم الكسوف بعضها البعض لأنها تدور حول المركز. تتيح أشكال هذه الكسوف علماء الفلك معرفة نصف قطر النجوم باستخدام هندسة واضحة. وتسمى هذه الأنظمة النجوم الثنائية الكسوف.

تم العثور على أكثر من نصف جميع النجوم الشبيهة بالشمس في الثنائيات ، ويبلغ ثنائيات الكسوف حوالي 1 ٪ إلى 2 ٪ من جميع النجوم. قد يبدو هذا منخفضًا ، لكن الكون واسع ، لذلك هناك الكثير من أنظمة الكسوف هناك – مئات الملايين في مجرتنا وحدها.

من خلال مراقبة ثنائيات الكسوف ، لا يمكن لعلماء الفلك قياس الجماهير ونصف قطر النجوم فحسب ، بل أيضًا مدى سخونة ومدى سطوعها.

تتطلب المشكلات المعقدة الحوسبة المعقدة

حتى مع ثنائيات الكسوف ، فإن قياس خصائص النجوم ليس مهمة سهلة. يتم تشويه النجوم أثناء تدويرها وسحبها على بعضها البعض في نظام ثنائي. إنهم يتفاعلون ، ويشعون بعضهم البعض ، ويمكنهم الحصول على بقع وحقول مغناطيسية ، ويمكن أن يميلوا بهذه الطريقة أو ذاك.

لدراستهم ، يستخدم علماء الفلك نماذج معقدة لها العديد من المقابض والمفاتيح. كمدخلات ، تأخذ النماذج معلمات – على سبيل المثال ، شكل النجم وحجمه ، أو خصائصه المدارية ، أو مقدار الضوء الذي ينبعث منه – للتنبؤ بكيفية رؤية المراقب مثل هذا النظام الثنائي الكسوف.

نماذج الكمبيوتر تستغرق وقتًا. عادة ما تستغرق تنبؤات نموذج الحوسبة بضع دقائق. للتأكد من أنه يمكننا الوثوق بهم ، نحتاج إلى تجربة الكثير من مجموعات المعلمات – عادةً عشرات الملايين.

تتطلب هذه المجموعات العديدة مئات الملايين من وقت حساب الوقت ، فقط لتحديد الخصائص الأساسية للنجوم. وهذا يصل إلى أكثر من 200 عام من وقت الكمبيوتر.

يمكن أن تحسب أجهزة الكمبيوتر المرتبطة في الكتلة بشكل أسرع ، ولكن حتى باستخدام مجموعة الكمبيوتر ، فإن الأمر يستغرق ثلاثة أسابيع أو أكثر من “حل” ، أو تحديد جميع المعلمات ، ثنائي واحد. يشرح هذا التحدي سبب وجود حوالي 300 نجمة فقط من بين علماء الفلك قياسات دقيقة لمعلماتهم الأساسية.

تم بالفعل تحسين النماذج المستخدمة لحل هذه الأنظمة بشكل كبير ولا يمكن أن تسير بشكل أسرع بكثير مما تفعل بالفعل. لذلك ، يحتاج الباحثون إلى نهج جديد تمامًا لتقليل وقت الحوسبة.

باستخدام التعلم العميق

أحد الحلول التي اكتشفها فريق البحث الخاص بي يتضمن شبكات عصبية عميقة. الفكرة الأساسية بسيطة: أردنا استبدال نموذج مادي باهظ الثمن من الناحية الحسابية بنموذج أسرع من الذكاء الاصطناعي.

أولاً ، قمنا بحساب قاعدة بيانات ضخمة من التنبؤات حول نجم ثنائي افتراضي – باستخدام الميزات التي يمكن لعلماء الفلك مراعاة بسهولة – حيث قمنا بتغيير خصائص النجم الثنائي الافتراضي. نحن نتحدث مئات الملايين من مجموعات المعلمات. بعد ذلك ، قمنا بمقارنة هذه النتائج بالملاحظات الفعلية لمعرفة أي منها أفضل. الذكاء الاصطناعي والشبكات العصبية مناسبة بشكل مثالي لهذه المهمة.

باختصار ، الشبكات العصبية هي تعيينات. يقومون بتخطيط مدخلات معينة معروفة لمخرج معين. في حالتنا ، يقومون بتخطيط خصائص ثنائيات الكسوف للتنبؤات المتوقعة. تحاكي الشبكات العصبية نموذج الثنائي ولكن دون الحاجة إلى حساب كل تعقيد النموذج المادي.

نقوم بتدريب الشبكة العصبية من خلال إظهار كل تنبؤ من قاعدة البيانات الخاصة بنا ، إلى جانب مجموعة الخصائص المستخدمة لإنشاءها. بمجرد التدريب بالكامل ، ستتمكن الشبكة العصبية من التنبؤ بدقة بما يجب على علماء الفلك مراعاة من الخصائص المعطاة لنظام ثنائي.

مقارنة ببضع دقائق من وقت التشغيل للنموذج المادي ، تستخدم الشبكة العصبية الذكاء الاصطناعي للحصول على نفس النتيجة ضمن جزء صغير من الثانية.

جني الفوائد

جزء صغير من الثانية يعمل على تخفيض وقت التشغيل مليون مرة. هذا يسقط الوقت من أسابيع على حاسوب سوبر إلى مجرد دقائق على كمبيوتر محمول واحد. وهذا يعني أيضًا أنه يمكننا تحليل مئات الآلاف من الأنظمة الثنائية في غضون أسبوعين على مجموعة الكمبيوتر.

يعني هذا التخفيض أننا يمكن أن نحصل على خصائص أساسية – الجماهير النجمية ، نصف القطر ، درجات الحرارة واللمعانات – لكل نجم ثنائي الكسوف الذي لوحظ في غضون شهر أو شهرين. التحدي الكبير المتبقي هو إظهار أن نتائج الذكاء الاصطناعى تعطي حقًا نفس النتائج مثل النموذج المادي.

هذه المهمة هي جوهر ورقة فريقي الجديدة. في ذلك ، أظهرنا ، في الواقع ، أن النموذج الذي يحركه AI يعطي نفس نتائج النموذج الفعلي عبر أكثر من 99 ٪ من مجموعات المعلمات. هذه النتيجة تعني أن أداء الذكاء الاصطناعي قوي. خطوتنا التالية؟ نشر الذكاء الاصطناعى على جميع ثنائيات الكسوف الملاحظة.

أفضل للجميع؟ بينما قمنا بتطبيق هذه المنهجية على الثنائيات ، ينطبق المبدأ الأساسي على أي نموذج مادي معقد هناك. تقوم نماذج AI المماثلة بالفعل بتسريع العديد من التطبيقات في العالم الحقيقي ، من التنبؤ بالطقس إلى تحليل سوق الأوراق المالية.

يتم إعادة نشر هذه المقالة من المحادثة ، وهي مؤسسة إخبارية مستقلة غير ربحية تجلب لك الحقائق والتحليلات الجديرة بالثقة لمساعدتك على فهم عالمنا المعقد. كتبه: أندريج بروسا ، جامعة فيلانوفا

اقرأ المزيد:

يتلقى Andrej Prša التمويل من إدارة الطيران الوطنية والفضاء.