Grupa istraživača nedavno je predstavila inovativnu metodu za otkrivanje izvora gravitacijskih valova, za koju vjeruju da bi mogla značajno poboljšati točnost tih detekcija i ubrzati identifikaciju tih misterioznih kozmičkih događaja. Njihovo istraživanje, objavljeno danas u časopisu Nature, predstavlja algoritam koji se fokusira na emisije gravitacijskih valova iz sudara neutronskih zvijezda. Kada se prepoznaju takvi događaji, astronomi diljem svijeta mogu biti obaviješteni, što omogućava stručnjacima da prikupe opsežne informacije o ovim kratkotrajnim i enigmatičnim izvorima gravitacijskih valova. Kako bismo bolje razumjeli, gravitacijski valovi su valovi u tkanju prostor-vremena, koje je prvi teorijski opisao Einstein prije više od stoljeća, a otkriveni su prvi put 2015. godine od strane dijela trenutne LIGO-Virgo-KAGRA suradnje. Ove valove proizvode interakcije između nekih od najtežih objekata u svemiru, konkretno crnih rupa i neutronskih zvijezda. Algoritam istraživača specifično cilja neutronske zvijezde koje se spiralno približavaju jedna drugoj, postupno se zbližavajući dok se ne spoje, fenomen poznat kao "sudar neutronskih zvijezda. " Detekcija gravitacijskih valova emitiranih tijekom ovih sudara pomaže astronomima u razumijevanju struktura neutronskih zvijezda, podrijetla određenih teških elemenata, testiranju opće relativnosti, mjerenju brzine širenja svemira i potencijalno otkrivanju prirode tamne tvari. Korištenje umjetne inteligencije može ubrzati analizu ovih događaja gravitacijskih valova i, prema nalazima tima, poboljšati točnost predviđanja lokacije sudara. Tvrdе da njihova metoda može odrediti izvor gravitacijskih valova za samo jednu sekundu i može poslužiti kao šablon za analizu podataka za detektore gravitacijskih valova sljedeće generacije, poput LISA. "Nakon obuke, kada se dogodi novo opažanje, neuronska mreža može uzeti mjerenje kao ulaz i predvidjeti svojstva binarnih neutronskih zvijezda (uključujući njihovu lokaciju) za manje od sekunde, " objasnio je Maximilian Dax, istraživač strojnog učenja i fizičar na Sveučilištu u Tübingenu, koji je vodeći autor studije, u e-mailu za Gizmodo.

"Ova brza reakcija moguća je jer ne zahtijevamo nove simulacije gravitacijskih valova tijekom inferencije. " Dax je također izrazio nadu da će njihova metoda olakšati bržu detekciju elektromagnetskih signala iz sudara binarnih neutronskih zvijezda, što će omogućiti opažanja bliže trenutku sudara. "Ova opažanja s više poruka su nevjerojatno uzbudljiva i imaju značaj u različitim područjima, uključujući kozmologiju, nuklearnu fiziku i gravitaciju. " Algoritam istraživača pohvaljuje se poboljšanjem točnosti od 30% u odnosu na ranije modele i može pomoći astronomima u prepoznavanju koji sudari zahtijevaju daljnja, često hitna, opažanja. "Strojno učenje je nedavno privuklo značajnu pažnju u području istraživanja gravitacijskih valova kao sredstvo za poboljšanje ili potencijalno zamjenu trenutnih metoda analize, " primijetio je Michael Williams, kozmolog na Sveučilištu Portsmouth u UK, u članku News & Views. "Ipak, nekoliko izazova ostaje, " dodao je Williams, koji nije uključen u novo istraživanje. "Učinkovitost algoritama strojnog učenja općenito ovisi o tome kako su obučeni. Poseban izazov za ovaj algoritam je što se karakteristike stvarne buke u detektorima gravitacijskih valova mijenjaju tijekom vremena u odnosu na one pretpostavljene tijekom obuke mreže, što može izazvati sustavne pogreške koje iskrivljuju rezultate. " Williams je zaključio da će pravi test biti hoće li algoritam tima učinkovito prenijeti informacije o sljedećem sudaru binarnih neutronskih zvijezda kada se dogodi.