, який дозволяє прискорювати, масштабувати і відтворювати виявлення гравітаційних хвиль.){kind=link}
دانشمندان در آزمایشگاه ملی آرگون، هوش مصنوعی (AI) را توسعه داده‌اند که امکان شتاب، مقیاس‌گذاری و بازتولید تشخیص امواج گرانشی را می‌دهد. الگوریتم جدید توانست داده های جمع آوری شده در طول ماه فعالیت LIGO را تنها در 7 دقیقه تجزیه و تحلیل کند. در عین حال هیچ اشتباهی هم نکرد.
هنگامی که امواج گرانشی برای اولین بار در سال 2015 توسط رصدخانه امواج گرانشی تداخل سنجی لیزری LIGO کشف شد، باعث هیجان در جامعه علمی شد زیرا یکی دیگر از نظریه های اینشتین را تأیید کرد و تولد ستاره شناسی امواج گرانشی را نشان داد. در طول سال ها، محققان منابع بسیاری از امواج گرانشی، مانند برخورد ستاره های نوترونی و سیاهچاله ها در فضا را کشف کرده اند.
حساسیت آشکارسازهای امواج گرانشی هر سال افزایش می‌یابد، بنابراین مقدار روزافزونی از داده‌ها وجود دارد که باید پردازش شوند. در برخی مواقع، انجام آن به صورت دستی کارساز نخواهد بود، زیرا رویدادهای تشخیص امواج بسیار زیاد خواهد بود. برای حل این مشکل، فیزیکدانان آزمایشگاه ملی آرگون و چندین دانشگاه آمریکایی یک پلت فرم هوش مصنوعی ایجاد کرده اند که می تواند مسئولیت تجزیه و تحلیل سیگنال های امواج گرانشی را بر عهده بگیرد.
توصیه سردبیر:
- لنزهای گرانشی امکان ایجاد یک اینترنت کهکشانی را فراهم می کنند
- ماموریت به اورانوس و نپتون می تواند به آشکارساز امواج گرانشی تبدیل شود
نویسندگان جدید کار ادعا می‌کنند که مدل‌های هوش مصنوعی می‌توانند به اندازه الگوریتم‌های تطبیق الگوی سنتی حساس باشند، اما سریع‌تر اجرا شوند. علاوه بر این، این الگوریتم‌های هوش مصنوعی تنها به یک واحد پردازش گرافیکی کم‌هزینه (GPU) نیاز دارند که آن را به یکی از کارآمدترین روش‌ها برای مطالعه امواج گرانشی تبدیل می‌کند.
امواج گرانشی تغییرات میدان گرانشی هستند که به صورت موج منتشر می شوند. آنها توسط توده های متحرک منتشر می شوند، اما پس از تابش از آنها جدا می شوند و مستقل از این توده ها وجود دارند. از نظر ریاضی مربوط به اغتشاش، متریک های فضا-زمان هستند و می توان آنها را به عنوان "موج های فضا-زمان" توصیف کرد. در نتیجه، هوش مصنوعی هر چهار ادغام دوتایی سیاهچاله را که قبلاً در این مجموعه داده شناسایی شده بود، شناسایی کرد.
دانشمندان می گویند در این مطالعه قدرت هوش مصنوعی و ابر رایانه ها، برای کمک به حل سوالات داده های بزرگ به موقع و مرتبط. این تیم قصد دارد از این ترکیب تکنیک‌ها برای حل سؤالات داده‌محور نه تنها در فیزیک بلکه در سایر علوم بین‌رشته‌ای نیز استفاده کند.
همچنین بخوانید: