Оваа алатка ги идентификува изворите на бучава од околината, вклучувајќи земјотреси, микросеизми и океански бранови, кои се мешаат во откривањето на гравитационите бранови. Ова овозможува подобрен квалитет на сигналот и попрецизно проучување на основните феномени во вселената.
Оваа напредна алатка беше претставена на IEEE работилницата за големи податоци и вештачка интелигенција, каде што беше истакната нејзината примена не само во експериментите LIGO, туку и во други сложени научни и индустриски системи, според SciTech Daily.
LIGO (Laser Interferometer Gravitational-Wave Observatory) е клучна опсерваторија за откривање гравитациски бранови, ситни вибрации во време-просторот кои произлегуваат од движењето и судирите на масивни објекти, како што се црните дупки и неутронските ѕвезди. Оваа опсерваторија се состои од два интерферометри од 4 километри лоцирани во Ханфорд, Вашингтон и Ливингстон, Луизијана.
Првото набљудување на гравитационите бранови во 2015 година беше револуционерно – LIGO сними судир на две црни дупки оддалечени милијарди светлосни години, потврдувајќи го клучното предвидување на теоријата на релативност на Ајнштајн. Сепак, и покрај своите врвни технологии, LIGO е исклучително чувствителен на бучавата од околината.
Двата детектори снимаат преку 100.000 извори на податоци од различни сензори поставени низ опсерваторијата. Овие сензори ја мерат сеизмичката активност, вибрациите на земјата, атмосферските промени и другите фактори кои можат да влијаат на точноста на откривањето на гравитационите бранови.
„Пристапот за машинско учење што го развивме во тесна соработка со инженерите и носителите на одлуки во LIGO ни овозможува целосно автономно да ги идентификуваме обрасците во податоците“, рече Џонатан Ричардсон, вонреден професор по физика и астрономија на UCR.
Оваа алатка користи неструктурирано машинско учење за да анализира огромни временски серии на податоци од помошните канали на LIGO. Благодарение на овој метод, научниците сега можат попрецизно да ги идентификуваат причините за бучавата, што овозможува подобро филтрирање на податоците и подобрен квалитет на сигналот.
Еден од изненадувачките извори на бучава во податоците на LIGO доаѓа од брегот на Гренланд – океанските бранови кои се удираат врз брегот може да предизвикаат микросеизми кои се шират низ земјата и го попречуваат откривањето на гравитационите бранови. Овој феномен, заедно со другите природни извори на вибрации, сега може прецизно да се открие и елиминира благодарение на новата алатка.
„Нашата алатка независно ги идентификува шемите во податоците, без потреба од претходно внесување на познати категории. Алатката ги препознава истите шеми кои многу добро се совпаѓаат со физички значајните состојби на животната средина кои веќе им се познати на LIGO операторите“, објасни Вагелис Папалексакис, професор по компјутерски науки и инженерство.
Овој пристап овозможува автоматска класификација на различни услови на животната средина, идентификација на земјотреси, микросеизми и антропогени извори на бучава и корелација помеѓу надворешните фактори и грешките во податоците. Еден од најважните придонеси на овој метод е способноста да се предвиди и елиминира потенцијалниот шум пред да стане проблем за научниците.
За време на нивното истражување, Папалексакис и неговиот тим открија силна корелација помеѓу бучавата од околината и одредени видови грешки во податоците. Овие грешки се ненадејни скокови во сигналите кои можат сериозно да влијаат на квалитетот на податоците, што го отежнува прецизното анализирање на гравитационите бранови.
„Ова откритие ја отвора можноста за елиминирање или спречување на одредени звуци кои би можеле да го нарушат квалитетот на податоците“, истакна Папалексакис.
Истражувачкиот тим помина една година анализирајќи и организирајќи ги сите LIGO канали за да го развие овој систем. Објавувањето на податоците од истражувањето беше голем потфат, бидејќи податоците на LIGO обично се сопственост на ексклузивни научни тимови.
Една од главните цели на ова истражување е да овозможи физички подобрувања на детекторите LIGO. Долгорочната цел е да се користи оваа алатка за да се идентификуваат нови извори на бучава и да се оптимизираат перформансите на детекторот, а со тоа да се подобри точноста на откривањето на гравитационите бранови.
Развојот на оваа алатка претставува значаен чекор напред во проучувањето на гравитационите бранови и подобро разбирање на универзумот. Со користење на машинско учење, научниците сега можат попрецизно да ја идентификуваат и елиминираат бучавата што го попречува откривањето, овозможувајќи попрецизни и подлабоки студии на феномени како црни дупки, неутронски ѕвезди и космички катастрофи.
