چگونه هوش مصنوعی و یادگیری ماشین به پژوهش‌های فضایی کمک می‌کنند؟

چگونه هوش مصنوعی و یادگیری ماشین به پژوهش‌های فضایی کمک می‌کنند؟

تخیل استفاده از AI یا هوش مصنوعی در علوم فضایی از سال ۲۰۰۱ با فیلم یک “ادیسه فضایی” شروع شد. هرچند که این فیلم یک داستان علمی-تخیلی داشت، اما دیگر همچین رویدادهایی در دنیای امروزه ما یک داستان نیست. دانشمندان در سرتاسر جهان از الگوریتم‌های هوش مصنوعی برای پیشبینی زندگی در سایر سیارات منظومه شمسی، تشخیص حضور آب، کشف احتمال سیاه چاله یا تعیین منحنی مداری یک شی آسمانی استفاده می‌کنند.

نظر محققین در این زمینه

به گفته مقامات ناسا،  هوش مصنوعی همچنین می‌تواند به جستجوی زندگی در سیارات بیگانه و کشف سیارک‌های مجاور در فضا کمک کند. آنچه سال‌هاست که ستاره شناسان وقت خود را صرف کشف آن کرده‌اند، اکنون با استفاده از مدل‌های یادگیری ماشین با هوش مصنوعی، در مدت زمان کوتاه‌تر قابل انجام است. اکنون محققان دانشگاه پرینستون ادعا کرده‌اند که راهی برای پیش بینی اینکه آیا سیاره‌ای با سیاره دیگری در مسیر خود برخورد خواهد کرد، پیدا کرده‌اند.

در یک مطالعه جدید، که قرار است در مجموعه مقالات آکادمی ملی علوم منتشر شود، دانشمندان مدل هوش مصنوعی خود را تحت نام طبقه بندی کننده مدارهای آسمانی یا به اختصار SPOCK  شرح داده‌اند. این مدل می‌تواند مسیرهای سیارات فراخورشیدی را پیش بینی کند، و تعیین کند که کدام یک از آن‌ها پایدار باقی می‌مانند و کدام یک به نابودی می‌رسند یا کدام یک تبدیل به ستاره می‌شوند. اخترشناسان اولیه با مشکل نظریه پایداری مداری حاصل از گفته‌های نیوتن، مبارزه کردند. اگرچه این مسئله منجر به انقلاب‌های ریاضی، از جمله حساب و نظریه آشوب شد، اما هیچ کس راهی برای پیشبینی پایداری از نظر تئوری پیدا نکرده است.

تامایو و همکارانش فهمیدند که می‌توانند با ترکیب مدل‌های ساده تعامل دینامیکی سیارات با روش‌های یادگیری ماشین، روند کار را تسریع کنند. این مسئله اجازه می‌دهد تا از بین بردن گستره‌ تنظیمات مداری ناپایدار و بی ثباتی فرکانس در یک پیچ و خم از مدارهای عبور سریع روی دهند.  با استفاده از SPOCK می توان پایداری طولانی مدت یک سیاره را حدود ۱۰۰۰۰۰ بار سریعتر تعیین کرد.

تامایو می‌گوید ، ” SPOCK به درک بقای سیاره کمک نکرده است، اما با توانایی آن در تشخیص سریع بی ثباتی در سیستم‌های قابل اعتماد به آن‌ها کمک خواهد کرد. مهم‌تر از همه، هنگام تلاش برای توصیف محدودیت ثبات است.”

پیشرفت هوش مصنوعی

با مدل جدید هوش مصنوعی، می‌توانیم پویایی مدار سیارات، از جمله سیستم‌های خورشیدی را درک کنیم. وی افزود: “به طور قاطع نمی‌توانیم بگوییم که این سیاره خوب است یا سیاره دیگر به زودی منفجر می‌شود”. هدف این است که برای یک سیستم معین تمام احتمالاتی که قبلا داده شده و با شکست مواجه شده‌اند را رد کنند. مؤلفان این تحقیق عبارتند از: مایلز کرانمر و دیوید اسپرگل، استاد جوان نجوم پرینستون از بنیاد امریتوس.

پروفسور مایکل استراوس، رئیس گروه علوم نجوم پرینستون، توضیح داد که با مدل  SPOCK ، “می‌توانیم امیدوار باشیم که به طور کامل طیف کاملی از معماری منظومه شمسی را تا آنجا که طبیعت اجازه می‌دهد، بفهمیم”. جسی کریستینسن، اخترفیزیکولوژیست ناسا که در این تحقیق شرکت نکرده است، اظهار داشت: “سخت است که خصوصیات سیارات را با ابزارهای محدود فعلی خود درک کنیم”.  آیا آن‌ها سیارات سنگی، غول‌های یخی یا غول‌های گازی هستند؟ یا چیز جدیدی هستند؟

ابزار جدید هوش مصنوعی به ما امکان آن را می‌دهد تا ترکیبات و تنظیمات بالقوه سیاره را که به صورت پویا و ناپایدار است را رد کنیم و به ما امکان می‌دهد این کار را دقیق تر و در مقیاس قابل ملاحظه‌ای بزرگتر از آنچه قبلاً در دسترس بود انجام دهیم.

این پیشرفت جالب در هوش مصنوعی در زمینه علوم سیاره‌ای پس از خبرهای هیجان انگیز سال گذشته در مورد چگونگی کمک هوش مصنوعی به دانشمندان فضایی در پروژه‌های مختلف حاصل شد. در مارس ۲۰۱۹، ستاره شناسان در دانشگاه تگزاس در آستین، با همکاری گوگل، از هوش مصنوعی برای کشف دو سیاره پنهان دیگر در بخش تلسکوپ فضایی کپلر استفاده کردند (ماموریت توسعه یافته کپلر با نام K2 ).

در این پروژه آن‌ها از یک الگوریتم هوش مصنوعی استفاده می‌کنند که از داده‌های گرفته شده توسط کپلر برای اخراج سیگنال‌هایی که در روش‌‌های سنتی کشف سیاره نادیده گرفته می‌شد، استفاده می‌کنند. این امر به کشف سیارات K2-293b که در دور یک ستاره که ۱۳۰۰ سال نوری دور و در صورت فلکی Aquarius و سیاره K2-294b  در گردش هستن، و در اطراف یک ستاره با فاصله ۱۲۳۰ سال نوری، که در Aquarius نیز واقع شده بود، چرخش داشت، کمک کرد.

در ماه نوامبر، به کمک  هوش مصنوعی ثابت شد که زمین حول خورشید می‌چرخد. این امر به کمک فیزیکدان رناتو رنر در انستیتوی فناوری فدرال سوئیس (ETH) در زوریخ و همکارانش صورت گرفت؛ که یک مدل شبکه عصبی را بر اساس یادگیری ماشین طراحی کردند تا به فیزیکدانان کمک کند تا تناقضات آشکار در مکانیک کوانتومی را حل کنند.

 

برای مطالعه بیشتر در زمینه هوش مصنوعی و اطلاع از خبرهای روز به بلاگ عامر اندیش مراجعه کنید.

لینک کوتاه شده : https://amerandish.com/gyVFc
به این مطلب امتیاز دهید
0.0/5

به اشتراک بگذارید

اشتراک گذاری در whatsapp
اشتراک گذاری در telegram
اشتراک گذاری در linkedin
اشتراک گذاری در twitter
اشتراک گذاری در email

دیدگاهتان را بنویسید

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

فارس آوا

تبدیل گفتار به متن

باتاوا

دستیارسازمانی - چت بات

هوشتل

اپراتورهوشمند مرکز تماس

بینایار

درک هوشمند ویدیو و تصویر

_ مطالب مرتبط _