Ilustrasi seorang artis mengenai dua lubang hitam berputar bersama-sama, mewujudkan gelombang graviti dalam jangka masa.
(Imej: © NASA)
Program perisian baru yang menggunakan kecerdasan buatan dapat membantu mengesan dan menganalisis gelombang graviti dengan cepat - riak dalam ruang kosmik ruang-masa - dari peristiwa bencana seperti perlanggaran antara lubang hitam, sebuah kajian baru mendapati.
Teknik baru, yang disebut penyaringan mendalam, dapat membantu para penyelidik melihat peristiwa bencana yang tidak dapat dikesan oleh perisian semasa, seperti penggabungan titanik di dalam galaksi, menurut penulis sebuah makalah baru yang menggambarkan karya tersebut.
Gelombang graviti adalah riak di ruang ruang dan masa. Mereka dihasilkan apabila ada objek dengan massa bergerak, dan mereka bergerak dengan kelajuan cahaya, meregangkan dan menekan ruang-waktu di sepanjang jalan.
Gelombang graviti sangat sukar untuk dikesan, dan gelombang yang dapat dikesan oleh saintis adalah dari objek yang sangat besar. Walaupun kewujudan gelombang gravitasi pertama kali diramalkan oleh Albert Einstein pada tahun 1916, para saintis mengambil masa lebih dari satu abad untuk berjaya mengesan bukti langsung gelombang graviti pertama, menggunakan Laser Interferometer Gravitational-Wave Observatory (LIGO) untuk melihat kesan graviti selepas dua lubang hitam menghancurkan bersama.
Penemuan gelombang graviti memperoleh tiga saintis Hadiah Nobel Fizik 2017 pada bulan Oktober 2017. Sejak itu, para penyelidik juga telah mengesan gelombang graviti dari sepasang bintang mati yang bertaburan yang disebut bintang neutron - penemuan yang mungkin telah membantu menyelesaikan misteri berusia puluhan tahun bagaimana beberapa unsur berat alam semesta diciptakan.
Walau bagaimanapun, perisian yang pada masa ini menganalisis isyarat yang dikesan oleh gelombang pengamatan gelombang graviti boleh mengambil masa beberapa hari untuk menyempitkan peristiwa apa yang mungkin menghasilkan gelombang graviti itu, kata penulis bersama kajian Eliu Huerta kepada Space.com dalam temu bual.
Lebih-lebih lagi, perisian ini dikhususkan untuk mengesan penggabungan antara objek yang berada di sekitar orbit bulat antara satu sama lain dan agak terasing dari persekitarannya, menurut Huerta, ahli astrofizik teori di University of Illinois di Pusat Nasional untuk Aplikasi Superkomputer Urbana-Champaign. Perisian ini mungkin akan gagal mengesan gelombang graviti dari objek di kawasan di mana bintang dikemas padat, seperti inti galaksi, di mana tarikan graviti bintang-bintang berdekatan dapat memutarbelitkan orbit dari lingkaran ke bentuk yang lebih "eksentrik" atau bujur, Huerta kata.
Sekarang, penulis kajian mencadangkan bahawa perisian kecerdasan buatan dapat membantu mempercepat analisis gelombang graviti, serta "[mengaktifkan] pengesanan kelas baru sumber gelombang graviti yang mungkin tidak diketahui dengan algoritma pengesanan yang ada," Huerta kepada Space.com.
Perisian AI baru melibatkan rangkaian saraf tiruan, di mana komponen buatan yang dijuluki "neuron" diberi data dan bekerjasama untuk menyelesaikan masalah, seperti mengenali gambar. Rangkaian saraf kemudiannya berulang kali menyesuaikan hubungan antara neuronnya dan melihat apakah corak sambungan baru ini lebih baik dalam menyelesaikan masalah. Lama kelamaan, proses percubaan dan ralat ini menunjukkan corak mana yang terbaik dalam penyelesaian pengkomputeran, meniru proses pembelajaran di otak manusia.
Walaupun teknik konvensional mungkin memerlukan beberapa hari untuk menyempitkan ciri-ciri peristiwa graviti dari data pengesan, jaringan saraf canggih yang dikenali sebagai "rangkaian saraf konvolusional mendalam" dapat melakukannya dalam beberapa saat, para saintis mendapati. Lebih-lebih lagi, walaupun kaedah konvensional memerlukan ribuan CPU (unit pemprosesan pusat komputer) untuk melaksanakan tugas ini, teknik baru berfungsi "walaupun dengan satu CPU - iaitu, dengan telefon pintar atau komputer riba standard anda," kata Huerta.
Di samping itu, para penyelidik mendapati bahawa teknik baru ini juga dapat dengan cepat menganalisis penggabungan yang lebih kompleks daripada yang dapat dianalisis oleh perisian semasa, seperti penggabungan yang melibatkan lubang hitam pada orbit eksentrik. Perisian baru juga mempunyai kadar ralat yang lebih rendah dan lebih baik dalam mencari kesalahan data.
Huerta dan Daniel George, ahli astrofizik komputasi di University of Illinois di Pusat Nasional untuk Aplikasi Superkomputer Urbana-Champaign, memperincikan penemuan mereka dalam talian pada 27 Disember dalam jurnal Physics Letters B.
