Kendini kontrol eden algoritma yerçekimi dalgası verilerini yorumlar

İki kara delik birleştiğinde, uzayda ve zamanda ışık hızında yarışan yerçekimi dalgaları yayarlar. Bunlar Dünya’ya ulaştığında, Amerika Birleşik Devletleri (LIGO), İtalya (Başak) ve Japonya’daki (KAGRA) büyük dedektörler sinyalleri algılayabilir. Bilim adamları teorik tahminlerle karşılaştırarak kara deliklerin özelliklerini belirleyebilirler: kütleler, dönüşler, yön, gökyüzündeki konum ve Dünya’dan uzaklık.

Tübingen’deki Max Planck Akıllı Sistemler Enstitüsü’nün (MPI-IS) Deneysel Çıkarım Departmanından ve Potsdam’daki Max Planck Yerçekimi Fiziği Enstitüsü’nün (Albert Einstein Enstitüsü/AEI) Astrofiziksel ve Kozmolojik Görelilik Bölümü’nden bir araştırmacı ekibi, şimdi yerçekimi dalgası verilerinden çok doğru bir şekilde bilgi çıkaran kendi kendini kontrol eden bir derin öğrenme sistemi geliştirdi.

Bu süreçte sistem, güvenlik ağı olan derin bir sinir ağı olan birleşen kara deliklerin parametreleri hakkındaki kendi tahminlerini kontrol eder. Birleşen kara deliklerden tespit edilen 42 yerçekimi dalgası, algoritma tarafından başarılı bir şekilde analiz edildi: Hesaplama açısından pahalı standart algoritmalarla çapraz kontrol edildiğinde, sonuçlar ayırt edilemezdi. Çalışma 26 Nisan 2023 tarihinde dergide yayınlandı. Fiziksel İnceleme Mektupları.

DINGO: Yerçekimi dalgası analizi için derin bir sinir ağı

Araştırmacılar, verileri analiz etmek için DINGO (Deep INference for Gravitational-wave Observations) adlı derin bir sinir ağı geliştirdiler. DINGO, dedektör verilerinden yerçekimi dalgası kaynak parametrelerini çıkarmak veya çıkarmak için eğitilmiştir. Ağ, farklı konfigürasyonlarda milyonlarca simüle edilmiş sinyalle eğitimden sonra gerçek (gözlenen) yerçekimi dalgası verilerini yorumlamayı öğrendi.

Ancak ilk bakışta derin sinir ağının bilgiyi doğru okuyup okumadığını söylemek mümkün değil. Aslında, yaygın derin öğrenme sistemlerinin bir dezavantajı, yanlış olduklarında bile sonuçlarının makul görünmesidir. Bu nedenle MPI-IS ve AEI’deki araştırmacılar, algoritmaya bir kontrol özelliği eklediler.

MPI-IS Ampirik Çıkarım Bölümü’nde doktora öğrencisi ve yayının ilk yazarı Maximilian Dax şöyle açıklıyor: “Güvenlik ağı olan bir ağ geliştirdik. İlk olarak, algoritma karadeliklerin özelliklerini ölçülen yerçekiminden hesaplar. dalga sinyali. Hesaplanan bu parametrelere dayanarak, bir yerçekimi dalgası modellenir ve ardından başlangıçta gözlemlenen sinyalle karşılaştırılır. Derin sinir ağı böylece kendi sonuçlarını çapraz kontrol edebilir ve şüphe durumunda düzeltebilir.”

Algoritma kendini kontrol ederek önceki makine öğrenimi yöntemlerinden çok daha güvenilir hale getirir. Ama sadece bu değil. Yardımcı yazar Stephen Green, “Algoritmanın genellikle anormal olayları, yani teorik modellerimizle tutarsız gerçek verileri tanımlayabildiğini keşfettiğimizde şaşırdık. Bu bilgi, ek araştırma için verileri hızlı bir şekilde ‘işaretlemek’ için kullanılabilir” diyor. ve AEI’de (şimdi Nottingham Üniversitesi’nde) eski Kıdemli Bilim Adamı.

Yazar ve yönetmen Alessandra Buonanno, “Makine öğrenimi yöntemimizin doğruluğunu garanti edebiliriz – ki bu, derin öğrenme alanında neredeyse hiç gerçekleşmez. Bu nedenle, bilim camiasının yerçekimi dalgası verilerini analiz etmek için algoritmayı kullanması zorlayıcı hale geliyor” diyor. AEI’deki Astrofiziksel ve Kozmolojik Görelilik Bölümü’nden. Dünyanın dört bir yanından bilim adamları, 1.500’den fazla araştırmacının örgütlendiği LIGO Scientific Collaboration (LSC) gibi büyük işbirliklerinde yerçekimi dalgalarını inceliyorlar.

MPI-IS’de Direktör olan Bernhard Schölkopf ekliyor: “Bugün, DINGO yerçekimi dalgası verilerini analiz ediyor – ancak böyle bir kendi kendini kontrol eden ve kendi kendini düzelten bir yöntem, aynı zamanda, bunu yapabilmenin çok önemli olduğu diğer bilimsel uygulamalar için de ilginç. ‘kara kutu’ sinir ağı yöntemlerinin doğruluğunu onaylayın.”