Hiljutine teadlaste grupp on avaldanud uuendusliku meetodi gravitatsioonilainete allikate tuvastamiseks, mille nad usuvad, et see võiks märkimisväärselt suurendada nende tuvastuste täpsust ja kiirendada nende salapäraste kosmiliste sündmuste identifitseerimist. Nende uuring, mis avaldati täna ajakirjas Nature, esitleb algoritmi, mis keskendub neutronitähtede kokkukõrvaldamise gravitatsioonilaine emissioonidele. Kui sellised sündmused on tuvastatud, saavad astronoomid üle kogu maailma teavitada, võimaldades ekspertidel koguda ulatuslikku teavet nende lühiajaliste ja mõistatavate gravitatsioonilainete allikate kohta. Gravitatsioonilised lained on kosmoseaja kanga sees wirilised lainekujud, mille esitas esmakordselt Einsteini teooria üle sada aastat tagasi ja tuvastati esmakordselt 2015. aastal osana hetkese LIGO-Virgo-KAGRA koostööst. Need lained tekivad interaktsioonidest mõnede universumi raskemate objektide, nimelt mustade aukude ja neutronitähtede vahel. Teadlaste algoritm keskendub spetsiifiliselt neutronitähtedele, mis on üksteise poole spiraalis liikumas, järk-järgult lähenedes kuni nad ühiselt ühinevad, nähtus, mida tuntakse "neutronitähe kokkukõrvaldamise" nime all. Gravitatsioonilainete avastamine nende kokkukõrvanduste ajal aitab astronoomidel mõista neutronitähtede struktuure, teatud raskete elementide päritolu, üldrelatiivsusteooria testimist, universumi laienemise määra mõõtmist ja potentsiaalselt avada tumeda aine olemust. Tehisintellekti kasutamine võib kiirendada nende gravitatsioonilainete esinemiste analüüsi ja teadlaste järelduste kohaselt suurendada kokkukõrvaldamise asukoha ennustamise täpsust.

Nad väidavad, et nende meetod suudab gravitatsioonilainete päritolu tuvastada vaid ühe sekundiga ja võib toimida järgmise põlvkonna gravitatsioonilainete detektorite, nagu LISA, andmeanalüüsi mallina. "Pärast väljaõpet, kui uus vaatlus toimub, suudab närvivõrk võtta mõõtmise sisendina ja ennustada kahe neutronitähe omadusi (sealhulgas nende lokaliseerimist) vähem kui sekundiga, " selgitas Maxmilian Dax, masinõppe teadlane ja füüsik Tübingeni Ülikoolist, kes on uuringu juhtautor, e-kirjas Gizmodole. "See kiire vastus on võimalik, kuna me ei vaja uute gravitatsioonilainete simulatsioone inferentsi ajal. " Dax avaldas ka lootust, et nende meetod lihtsustab elektromagnetiliste signaalide varasemat tuvastamist kahe neutronitähe kokkukõrvaldamistest, võimaldades vaatlusi, mis on lähemal kokkukõrvaldamise hetkele. "Need mitme edastaja vaatlused on äärmiselt põnevad ja neil on tähendus, mis ulatub tähtede juurde, sealhulgas kosmoloogias, tuumafüüsikas ja raskuses. " Teadlaste algoritm viitab 30% täpsuse paranemisele võrreldes varasemate mudelitega ja võib aidata astronoomidel tuvastada, millised kokkukõrvaldamise sündmused vajavad edasist, sageli kiiret vaatlust. "Masinõpe on viimastel aegadel gravitatsioonilainete uurimises märkimisväärset tähelepanu pälvinud kui vahend, mis aitab täiustada või potentsiaalselt asendada praeguseid analüüsimeetodeid, " märkis Michael Williams, kosmoloog Portsmouthi Ülikoolist Ühendkuningriigis, artiklis News & Views. "Kuid mitmed väljakutsed püsivad, " lisas Williams, kes ei osale uues uurimuses. "Masinõppe algoritmide tõhusus sõltub suuresti nende koolitamist. Üks konkreetne väljakutse selle algoritmi puhul on see, et tegelike müra omadused gravitatsioonilainete detektorites muutuvad aja jooksul võrreldes nende omadustega, mida oletatakse võrgu koolitamise ajal, mis võib tekitada süsteemseid vigu, mis moonutavad tulemusi. " Williams järeldas, et tõeline proovikivi on see, kas meeskonna algoritm suudab efektiivselt edastada teavet järgmise kahe neutronitähe kokkukõrvaldamise kohta, kui see juhtub.