Im alten Babylonien führten Sterndeuter akribisch Buch über den Nachthimmel und ritzten ihre Beobachtungen in Tafeln ein, um die feinsten Himmelsbewegungen festzuhalten.
Ihre Beobachtungen und die anderer antiker Zivilisationen legten den Grundstein für Koryphäen wie Johannes Kepler, der die Daten von Tycho Brahe nutzte, um die elliptischen Bahnen der Planeten zu entschlüsseln, lange bevor wir die Möglichkeit hatten, solche Phänomene mit unseren eigenen Augen zu beobachten.
Heute ist die Menschheit nicht weniger erpicht darauf, die Feinheiten des Kosmos zu entschlüsseln, und die KI ist zu einem Partner bei unserer Suche nach Antworten geworden.
Glaslinsen für Gigabytes
Das im frühen 17. Jahrhundert erfundene Teleskop ermöglichte den Astronomen einen Blick in den Kosmos.
Zum ersten Mal konnten menschliche Augen die Atmosphäre durchdringen.
Zusätzlich zur direkten Beobachtung von Himmelsobjekten durch Teleskope wurde die Menschheit geschickt darin, die Wechselwirkungen zwischen den Umlaufbahnen zu berechnen, was den französischen Astronomen Urbain Le Verrier schließlich dazu veranlasste, die Existenz von Neptun anhand der Umlaufbahn des Uranus vorherzusagen, bevor sie 1846 bestätigt wurde.
Mathematik und Astronomie sind seit Tausenden von Jahren eng miteinander verbunden, und es sind diese Berechnungen, bei denen sich die KI auszeichnet.
Der Start des Kepler-Weltraumteleskops im Jahr 2009 läutete eine neue Ära der Erforschung extrasolarer Planeten ein. Kepler wurde mit der Aufgabe betraut, Exoplaneten - Planeten außerhalb unseres Sonnensystems - zu identifizieren, indem es die Helligkeit von mehr als 150 000 Sternen überwachte und eine kolossale Menge an Daten an die Erde übermittelte.
Obwohl während der Mission über 2.600 Exoplaneten bestätigt wurden, analysieren die Forscher die Daten noch heute.
Im Jahr 2021, mehr als 10 Jahre nach dem Start des Teleskops, gab die NASA bekannt, dass ein KI-Modell den Forschern geholfen hat, 301 neu bestätigte Exoplaneten zu der Gesamtsammlung von 4.569 hinzuzufügen.
Das Modell, ein tiefes neuronales Netz namens ExoMinerkönnte diese vorgeschlagenen Exoplaneten zuverlässig validieren - ein Kunststück, das andernfalls eine langwierige manuelle Analyse erfordern würde.
Hamed Valizadegan, der Leiter des ExoMiner-Projekts, erklärte: "Wenn ExoMiner sagt, dass etwas ein Planet ist, kann man sicher sein, dass es ein Planet ist. ExoMiner ist hochpräzise und in mancher Hinsicht zuverlässiger als bestehende maschinelle Klassifizierer und die menschlichen Experten, die es aufgrund der Verzerrungen, die mit der menschlichen Beschriftung einhergehen, nachahmen soll."
Universelle Ursprünge
Das westaustralische Outback ist die Heimat der Murchison Widefield Array (MWA).
Im Gegensatz zu herkömmlichen Teleskopen ist das MWA ein Radioteleskop, das die frühen Radiowellen des Universums aufnimmt.
Durch das Auffangen von Radiosignalen aus dem Weltraum gibt das MWA Einblicke in den Zustand des Universums vor fast 13 Milliarden Jahren. Das ist nicht ganz unproblematisch, denn die heutigen Funkstörungen drohen die alten Äußerungen des Universums zu übertönen.
Durch den Einsatz von KI können Forscher filtern und differenzieren zwischen Radiorauschen und dem Urgeflüster des Universums, was eine genauere Analyse ermöglicht.
Visualisierung von Himmelsobjekten
Die Ereignishorizont-Teleskop (EHT)-Projekt, das das erste Bild eines schwarzen Lochs aufnahm, verließ sich auf die KI-Verarbeitung, um seine Beobachtungen in etwas Klares und Kohärentes umzuwandeln.
Das EHT verbindet mehrere Teleskope aus der ganzen Welt zu einem einzigen Megateleskop.
Mit den vereinten Kräften mehrerer Teleskopanordnungen konnte das EHT das supermassive schwarze Loch im Zentrum der Milchstraße beobachten.
Die Umwandlung dieser Beobachtungen in ein genaues Bild erfordert maschinelles Lernen (ML), um die wahrscheinlichste Form und Gestalt aus den verfügbaren Daten zu berechnen.
Das ML-Modell, PRIMOanalysierte die Eigenschaften von 30.000 simulierten schwarzen Löchern, um das untenstehende, weit verbreitete Bild zu erzeugen.
Das Schwarze Loch hat schätzungsweise die 6,5 Milliardenfache Masse der Sonne.
KI entdeckt "potenziell gefährlichen" Asteroiden
Wir hören viel über die Risiken der KI, aber was wäre, wenn sie uns vor einem tödlichen Asteroiden retten würde?
Forscher des künftigen Vera-Rubin-Observatoriums in Nordchile haben mit Hilfe von KI-Modellen kürzlich einen potenziell gefährlichen Asteroiden entdeckt.
Das Vera-Rubin-Observatorium in Nordchile, das sich noch im Bau befindet, soll die leistungsfähigste Digitalkamera für astronomische Fotografie werden,
HelioLinc3D, das für diese Entdeckung verantwortliche KI-Programm, wurde entwickelt, um die Bemühungen des Vera C. Rubin Observatoriums um die Entdeckung von Asteroiden zu unterstützen. Das Modell wurde in einem Testlauf am ATLAS-Observatorium auf Hawaii eingesetzt.
Die KI enthüllte einen Asteroiden, der etwa 180 Meter (600 Fuß) breit ist und den Namen 2022 SF289 trägt.
Dieses Himmelsobjekt, das etwa 182 Meter breit sein soll, wird sich der Erde voraussichtlich bis auf 140.000 Meilen (225.000 Kilometer) nähern.
Wenn man bedenkt, dass die durchschnittliche Entfernung des Mondes von der Erde ca. 384.400 km (238.855 Meilen) beträgt, ist er näher, als es die reinen Zahlen vermuten lassen. Seien Sie beruhigt - es wird nicht erwartet, dass er uns trifft.
HelioLinc3D erkennt potenziell gefährliche Asteroiden viel schneller und effizienter als die derzeitigen Methoden.
In der Regel müssen dazu mehrmals pro Nacht Bilder von bestimmten Himmelssegmenten aufgenommen werden, während HelioLinc3D weniger Beobachtungen erfordert und gut mit schwachen Objekten funktioniert.
Teleskope nehmen bei der Beobachtung von schwachen Objekten oft eine dichte Streuung von nutzlosem Rauschen auf, was die Entdeckung echter Asteroiden äußerst schwierig macht.
Larry Denneau, leitender ATLAS-Astronom, hob die Auswirkungen dieser Entdeckung: "Jede Durchmusterung wird Schwierigkeiten haben, Objekte wie 2022 SF289 zu entdecken, die nahe an ihrer Empfindlichkeitsgrenze liegen, aber HelioLinc3D zeigt, dass es möglich ist, diese schwachen Objekte zu entdecken, solange sie über mehrere Nächte sichtbar sind. Dies gibt uns ein 'größeres, besseres' Teleskop."
Rubin-Wissenschaftler und HelioLinc3D-Teamleiter Mario Jurić sagte: "Dies ist nur ein kleiner Vorgeschmack auf das, was in weniger als zwei Jahren mit dem Rubin-Observatorium zu erwarten ist, wenn HelioLinc3D jede Nacht ein Objekt wie dieses entdecken wird."
Er fügte hinzu: "Aber im weiteren Sinne ist es eine Vorschau auf die kommende Ära der datenintensiven Astronomie. Von HelioLinc3D bis hin zu KI-gestützten Codes wird das nächste Jahrzehnt der Entdeckungen eine Geschichte des Fortschritts bei Algorithmen ebenso wie bei neuen, großen Teleskopen sein.
Bestimmung des Alters von Sternen mit AI
KI hilft den Forschern auch dabei, die Geschichte des Universums aufzuzeichnen.
Ein neueres Modell, das als KI-verbesserte Version eines älteren Projekts entwickelt wurde, EAGLES (Altersschätzung anhand von Lithium-Äquivalentbreiten)analysiert das Vorhandensein von Lithium in Sternen, um deren Alter zu schätzen.
Historisch gesehen haben alle Sterne zu Beginn ihres Lebens einen ähnlichen Anteil an Lithium. Mit zunehmendem Alter wird dieses Lithium jedoch in unterschiedlichem Maße abgebaut, was auf Faktoren wie ihre Masse und die damit verbundenen Temperaturen zurückzuführen ist.
Die Temperatur eines Sterns, die ein Indikator für seine Masse ist, spielt eine entscheidende Rolle für seinen Lithiumverbrauch.
Bei heißeren Sternen führt die verstärkte Konvektion in den äußeren Schichten zu Turbulenzen, durch die Lithium tiefer in den Stern eindringt und mit Protonen zu zwei Heliumkernen verschmilzt. Folglich sinkt der Lithiumgehalt mit der Zeit.
Indem sie die Lithiumhäufigkeit eines Sterns zusammen mit seiner Temperatur beobachten, können die Astronomen sein Alter extrapolieren.
Traditionell wurde das Alter eines Sterns anhand seines Lithiums bestimmt, indem man die Stärke des Lithiums in den spektrographischen Daten bewertete und sie mit etablierten Modellen der Sternentwicklung abglich.
Dieser Prozess war nicht nur mühsam, sondern auch in seinem Umfang begrenzt. George Weaver von der britischen Keele University merkte an, dass dies "schwierig zu bewerkstelligen ist und eine Menge Arbeit erfordert".
Weaver und der Astrophysiker Robin Jeffries von der Universität Keele entwickelten den EAGLES-Algorithmus, um diesen Prozess zu rationalisieren.
Durch das Training von EAGLES mit einem Datensatz von 6.000 Sternen aus 52 Sternhaufen, die mit dem Gaia-MissionSie haben ein Modell entwickelt, mit dem der Lohn eines Stars mit minimalem manuellem Aufwand geschätzt werden kann.
EAGLES wird bald für zwei umfangreiche Durchmusterungen eingesetzt: die WEAVE-Durchmusterung am William Herschel Teleskop im Jahr 2023 und die 4MOST-Durchmusterung am VISTA-Teleskop der Europäischen Südsternwarte im Jahr 2024.
"Dies sind zwei große spektroskopische Durchmusterungen, die Spektren von buchstäblich Dutzenden von Millionen von Sternen aufnehmen werden", erklärte Jeffries.
Eines der Ziele der Durchmusterungen ist es, die Geschichte der Sternentstehung in den verschiedenen Sternpopulationen der Galaxie aufzuzeichnen.
Die xAI von Elon Musk
Wir können Elon Musk nicht aus einer existenziellen Diskussion ausklammern, die den Kosmos umfasst.
Im Juli enthüllte Musk sein neuestes Projekt. xAI. Diese neues mysteriöses KI-Startup beabsichtigt, drängende wissenschaftliche Konzepte wie dunkle Materie, dunkle Energie, das Fermi-Paradoxon und die Existenz von Außerirdischen zu untersuchen.
Nach Musks Worten wird die xAI "grundlegende Fragen" zur "Realität" und zum "Universum" untersuchen.
Musk und sein Team hielten eine Twitter-Space-Diskussion über xAI ab, die zwar faszinierend war, aber nicht sehr viel über die Strategie des Start-ups verriet. Ab August 2023 gibt es keine konkreten Informationen darüber, was sie zu tun gedenkt und wie.
Tolle Zusammenfassung https://t.co/s2QE9zuzp4
- xAI (@xai) Juli 15, 2023
Einige spekulieren, dass xAI wissenschafts- und statistikorientierte KI-Modelle entwickeln wird, um die Forschung zu beschleunigen. Sie könnte die Form eines wissenschaftsorientierten KI-"Generalagenten" annehmen, der praktisch jede der oben genannten Funktionen ausführen kann.
xAI könnte ihre Rechenleistung wissenschaftlichen Forschern zur Verfügung stellen und so einige Engpässe bei der Anwendung komplexer Modelle im akademischen Umfeld ausgleichen.
Andererseits kann es sein, dass xAI nur in einem weiteren großen Sprachmodell (LLM) gipfelt, oder dass es vielleicht gar nicht viel bringt - obwohl das angesichts des Kalibers des Gründerteams enttäuschend wäre.
Wenn xAI ein besonders leistungsfähiges KI-Modell für Forschungszwecke liefert, könnte dies Wissenschaftlern ermöglichen, spezielle Modelle für alle möglichen Anwendungen in der Physik, Astronomie, Medizin, Klimatologie und anderen Bereichen zu erstellen.
Trotz ihrer Probleme gibt die KI der Menschheit die Möglichkeit, neue Grenzen zu erforschen, die noch vor wenigen Jahren nicht für möglich gehalten wurden.
Diese Technologie, die noch in den Kinderschuhen steckt, offenbart ihr Potenzial zur Identifizierung gefährlicher Asteroiden, Exoplaneten und des Alters von Sternen und ermöglicht es uns, unseren kosmischen Horizont zu erweitern und unser Wissen über das Universum zu vertiefen.
Abgesehen von allen Risiken ist der Einsatz von KI zur Erforschung der Geheimnisse des Universums eine verlockende Aussicht.
