گروهی از پژوهشگران دانشگاه نورثوسترن، دانشگاه شیکاگو و آزمایشگاه ملی فرمی (Fermilab) موفق به توسعه یک سامانه هوش مصنوعی شدهاند که میتواند بهصورت خودکار بهترین جهت و زمان رصد تلسکوپ را تعیین کند و همزمان با تغییر شرایط جوی، برنامه رصد را در لحظه اصلاح کند؛ دستاوردی که گامی مهم در مسیر ساخت رصدخانههای خودران به شمار میرود.
به گزارش سیناپرس، اخترشناسان تاکنون برای تعیین محل نشانهروی تلسکوپها ناچار بودند هر شب عواملی مانند وضعیت آبوهوا، روشنایی ماه و شرایط جو زمین را بهدقت بررسی کنند تا بیشترین بهره علمی از زمان محدود رصد به دست آید. اکنون پژوهشگران با استفاده از هوش مصنوعی، این فرایند پیچیده را به شکل خودکار انجام دادهاند.
این سامانه در «مؤسسه هوش مصنوعی آسمان» (SkAI) که با حمایت مشترک بنیاد ملی علوم آمریکا (NSF) و بنیاد سیمونز فعالیت میکند، توسعه یافته و در تلسکوپ ۴ متری «ویکتور ام. بلانکو» در رصدخانه بینآمریکایی «سرو تولولو» در شیلی آزمایش شده است. این تلسکوپ به دوربین ۵۷۰ مگاپیکسلی Dark Energy Camera (DECam) مجهز است که برای اجرای پروژههای بزرگ نجومی مورد استفاده قرار میگیرد.
نتایج آزمایشها نشان داد :سامانه هوش مصنوعی نهتنها برنامه کامل رصد شبانه را تهیه میکند، بلکه در صورت تغییر شرایط محیطی مانند افزایش نور ماه یا تغییر وضعیت جوی، بهصورت لحظهای برنامه را بازتنظیم میکند تا کیفیت دادههای علمی حفظ شود.
«الکس درلیکا-واگنر»، سرپرست این پروژه و پژوهشگر دانشگاه شیکاگو و آزمایشگاه فرمی، گفت: «این دستاورد نقطه عطفی در مسیر ایجاد رصدخانههای خودکار است. عملکرد فعلی سامانه تقریباً با توانایی یک برنامهریز انسانی برابری میکند و هدف بعدی ما این است که هوش مصنوعی بتواند تصمیمهایی حتی بهتر از انسان اتخاذ کند.»
به گفته وی، زمان استفاده از تلسکوپهای بزرگ بسیار محدود و ارزشمند است و پژوهشگران گاهی ماهها برای دریافت نوبت رصد انتظار میکشند. اگر انتخاب زمان و جهت رصد بهدرستی انجام نشود، تصاویر ممکن است به دلیل شرایط نامناسب جوی یا نور ماه کیفیت کافی نداشته باشند و فرصت تکرار رصد نیز تا ماهها فراهم نشود.
برای آموزش این سامانه، پژوهشگران از دادههای چندین سال رصد پروژه «پیمایش انرژی تاریک» (Dark Energy Survey) استفاده کردند. هوش مصنوعی با بررسی میلیونها داده تاریخی، الگوی تصمیمگیری اخترشناسان را آموخت؛ بدون آنکه قوانین مربوط به تأثیر نور ماه، وضعیت جو یا سایر عوامل بهطور مستقیم به آن آموزش داده شود.
«آراویندان ویجایاراگاوان»، استاد علوم رایانه دانشگاه نورثوسترن، گفت: «بهکارگیری یادگیری عمیق و یادگیری تقویتی در زمانبندی رصدهای نجومی، علاوه بر افزایش بهرهوری تلسکوپها، چالشهای علمی جدیدی را نیز در حوزه هوش مصنوعی ایجاد میکند که بررسی آنها بسیار هیجانانگیز است.»
این سامانه در دو دوره رصدی طی بهار و تابستان گذشته روی تلسکوپ بلانکو با موفقیت آزمایش شد. پژوهشگران اکنون قصد دارند توانایی آن را فراتر از تقلید تصمیمهای انسانی توسعه دهند تا بتواند راهبردهای رصدی جدیدی را پیشنهاد کند که ممکن است از دید برنامهریزان انسانی پنهان مانده باشد.
دانشمندان معتقدند با آغاز به کار نسل جدید رصدخانهها، از جمله رصدخانه ورا سی. روبین، که حجم بیسابقهای از دادههای نجومی تولید خواهند کرد، سامانههای هوشمند زمانبندی میتوانند نقش مهمی در افزایش بهرهوری رصدها و شتاببخشیدن به کشفیات علمی ایفا کنند.
به گفته پژوهشگران، خودکارسازی وظایف فنی و عملیاتی رصدخانهها این امکان را فراهم میکند که اخترشناسان زمان بیشتری را به تحلیل دادهها، طرح پرسشهای علمی و انجام اکتشافات جدید اختصاص دهند.
مترجم:سروش ساده