فناوریهوش مصنوعی

هوش مصنوعی اورانیا، ابزاری برای شنود کیهان

آلبرت اینشتین بیش از صد سال پیش امواج گرانشی را تصور کرده بود، اما تا سال ۲۰۱۶ فناوری آن‌قدر پیشرفت نکرده بود که بتوان آن‌ها را به‌طور مستقیم شناسایی کرد. حالا پژوهشگران دوباره در حال عبور از مرزهای دانش هستند، با هوش مصنوعی اورانیا، ابزاری برای شنود کیهان.

این هوش مصنوعی توسط دکتر ماریو کرن و تیمش طراحی شده و مجموعه‌ای از آشکارسازهای نوین امواج گرانشی را طراحی کرده است که نه‌تنها با بهترین مفاهیم انسانی موجود برابری می‌کنند، بلکه اغلب از آن‌ها پیشی می‌گیرند. آنچه این ماجرا را شگفت‌انگیزتر می‌کند این است که اورانیا صرفاً راهکارهای شناخته‌شده را تقلید نکرد؛ بلکه راهبردهای کاملاً جدیدی را ابداع کرده که برخی از آن‌ها هنوز برای دانشمندان ناشناخته و مبهم‌اند. این کشفیات اکنون در قالب «باغ‌وحش آشکارسازها» به‌صورت عمومی در دسترس قرار گرفته‌اند و نویدبخش عصری نوین‌اند؛ عصری که در آن، ماشین‌ها نوآوری می‌کنند و انسان‌ها تفسیر.

چشم‌انداز اینشتین و هوش مصنوعی مدرن

بیش از صد سال پیش، آلبرت اینشتین وجود امواج گرانشی(چین‌وچروک‌هایی در بافت فضا-زمان) را پیش‌بینی کرد. اما تا سال ۲۰۱۶ طول کشید تا دانشمندان بتوانند به‌طور مستقیم آن‌ها را شناسایی کنند، آن هم به لطف آشکارسازهای بسیار پیچیده‌ای که تیم پروژه لایگو (رصدخانه تداخل‌سنج لیزری امواج گرانشی) توسعه داد.

اکنون، دکتر ماریو کرن که سرپرست «آزمایشگاه دانشمند مصنوعی» در مؤسسه ماکس پلانک برای علوم نور (MPL) است، با پژوهشگران لایگو همکاری کرده تا طراحی آشکارسازها را به سطح جدیدی برساند. آن‌ها با هم الگوریتم هوش مصنوعی‌ای به نام «اورانیا» توسعه دادند که طراحی‌های نوآورانه‌ای برای آشکارسازهای تداخل‌سنجی امواج گرانشی ارائه می‌دهد. تداخل‌سنجی، روشی است برای اندازه‌گیری تغییرات بسیار جزئی از طریق تحلیل نحوه تداخل امواج هنگامی‌که با هم هم‌پوشانی پیدا می‌کنند.

ابزارهای شنود کیهان با هوش مصنوعی
تصویرسازی از نخستین رویداد موج گرانشی که توسط رصدخانه LIGO مشاهده شد. شکل موج‌های آشکارشده از LIGO هانفورد (نارنجی) و LIGO لیوینگستون (آبی) در پایین تصویر، در کنار تصویرسازی‌هایی از سیاه‌چاله‌های در حال ادغام، روی‌هم قرار گرفته‌اند.

طراحی این آشکارسازها کاری بسیار پیچیده است که نیازمند تنظیم دقیق هم‌آرایی (layout) و پارامترهای متعددی است. تیم تحقیقاتی این فرآیند را به یک مسئله بهینه‌سازی پیوسته تبدیل کرده و با روش‌های یادگیری ماشین آن را حل کرده‌اند. نتیجه؟ مجموعه‌ای بزرگ از طرح‌های تجربی جدید که بسیاری از آن‌ها حتی از بهترین طرح‌های پیشنهادی برای نسل بعدی آشکارسازها عملکرد بهتری دارند. برخی از آن‌ها می‌توانند حساسیت را بیش از ده برابر افزایش دهند و دامنه سیگنال‌هایی را که می‌توان شناسایی کرد، به‌شدت گسترش دهند.

اورانیا، غیرمتعارف و خلاقانه

در میان راه‌حل‌هایی که این الگوریتم ارائه داد، پژوهشگران دوباره به تعدادی از تکنیک‌های شناخته‌شده رسیدند. اما اورانیا همچنین طراحی‌های نامتعارفی پیشنهاد داد که می‌توانند درک ما از فناوری آشکارسازها را متحول کنند.

«بعد از حدود دو سال توسعه و اجرای الگوریتم‌های هوش مصنوعی‌مان، ده‌ها راه‌حل جدید کشف کردیم که به‌نظر می‌رسید از نقشه‌های تجربی دانشمندان انسانی بهتر باشند. از خود پرسیدیم انسان‌ها در مقایسه با ماشین چه چیزهایی را نادیده گرفته‌اند؟» دکتر کرن می‌گوید.

پژوهشگران رویکرد علمی خود را گسترش دادند تا ترفندها، ایده‌ها و تکنیک‌هایی را که این هوش مصنوعی کشف کرده، بهتر درک کنند. بسیاری از آن‌ها هنوز برای دانشمندان کاملاً ناشناخته‌اند. آن‌ها ۵۰ مورد از برترین طراحی‌ها را در قالب «باغ‌وحش آشکارسازها» گردآوری و به جامعه علمی ارائه کرده‌اند تا زمینه تحقیقات بیشتر فراهم شود.

از الگوریتم تا بینش: یادگیری از ماشین‌ها

نتایج منتشرشده اخیر نشان می‌دهد که هوش مصنوعی می‌تواند طراحی‌های نوینی برای آشکارسازها کشف کرده و الهام‌بخش پژوهشگران انسانی برای ایده‌های تجربی و نظری تازه باشد. به‌صورت کلی‌تر، این نتایج نشان می‌دهند که هوش مصنوعی می‌تواند نقش مهمی در طراحی ابزارهای آینده برای کاوش جهان، از کوچک‌ترین تا بزرگ‌ترین مقیاس‌ها ایفا کند.

«ما وارد عصری شده‌ایم که در آن ماشین‌ها می‌توانند راه‌حل‌هایی فراتر از توان انسان در علم کشف کنند، و وظیفه انسان‌ها این است که بفهمند ماشین چه کرده است. این بدون تردید، بخش بسیار برجسته‌ای از آینده علم خواهد بود.» دکتر کرن می‌گوید.

منبع: «کشف دیجیتالی آشکارسازهای تداخل‌سنجی امواج گرانشی» نوشته ماریو کرن، یهوناتان دروری و رانا ایکس آدیکاری، ۱۱ آوریل ۲۰۲۵، Physical Review X.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دکمه بازگشت به بالا