Yapay zeka, gökbilimcilerin kara delikler hakkındaki devasa veri kümelerini analiz ederek evrenin en iyi saklanan sırlarından bazılarını çözmelerine yardımcı oldu. Yüksek verimli bilgi işlemle desteklenen 12 milyondan fazla simülasyon kullanarak bilim insanları, Samanyolu’nun merkezi kara deliğinin neredeyse maksimum hızda döndüğünü keşfettiler. Bu, kara delik davranışı hakkındaki teorileri yeniden tanımlamakla kalmadı, aynı zamanda emisyonun diskteki sıcak elektronlar tarafından yönlendirildiğini, jetler tarafından değil, uzun süredir var olan modellere meydan okuyarak gösterdi.
Yapay zeka Samanyolu üzerinde incelemeler yapıyor
Uluslararası bir gökbilimci ekibi, milyonlarca sentetik simülasyon ve yapay zeka (YZ) ile bir sinir ağını eğiterek kara delikler hakkında yeni kozmik merakları ortaya çıkardı ve Samanyolu’nun merkezindeki kara deliğin neredeyse son hızda döndüğünü ortaya çıkardı.
Bu büyük simülasyon toplulukları, Morgridge Araştırma Enstitüsü ve Wisconsin-Madison Üniversitesi’nin ortak kuruluşu olan Yüksek Verimli Hesaplama Merkezi (CHTC) tarafından sağlanan verimli hesaplama yetenekleri tarafından üretildi. Gökbilimciler sonuçlarını ve metodolojilerini bugün Astronomy & Astrophysics dergisinde üç makalede yayınladılar.
Bu yıl 40. yıl dönümünü kutlayan yüksek verimli bilgi işlem, Wisconsin bilgisayar bilimcisi Miron Livny tarafından çalışma öncülük edildi. Binlerce bilgisayardan oluşan bir ağda bilgi işlem görevlerini otomatikleştiren, esasen tek bir büyük bilgi işlem zorluğunu daha küçük bilgisayarlardan oluşan süper şarjlı bir filoya dönüştüren yeni bir dağıtılmış bilgi işlem biçimidir. Bu bilgi işlem yeniliği, kozmik nötrinolar, atom altı parçacıklar ve kütle çekim dalgaları aramanın yanı sıra antibiyotik direncini çözmek de dahil olmak üzere dünya çapında yüzlerce bilimsel projede büyük veri keşfini desteklemeye yardımcı oluyor.
2019’da, Event Horizon Telescope (EHT) İşbirliği, M87 galaksisinin merkezindeki süper kütleli bir kara deliğin ilk görüntüsünü yayınladı. 2022’de, Samanyolu’muzun merkezindeki kara delik olan Sagittarius A*’nın görüntüsünü sundular. Ancak, görüntülerin ardındaki veriler hala çözülmesi zor bir bilgi zenginliği içeriyordu. Uluslararası bir araştırmacı ekibi, verilerden mümkün olduğunca çok bilgi çıkarmak için bir sinir ağını eğitti.
EHT İşbirliği tarafından yapılan önceki çalışmalarda yalnızca bir avuç gerçekçi sentetik veri dosyası kullanıldı. İş Hacmi Hesaplamanın İlerlemesi Ortaklığı (PATh) projesinin bir parçası olarak Ulusal Bilim Vakfı (NSF) tarafından finanse edilen Madison merkezli CHTC, astronomların belirsizlikleri ölçebilen sözde Bayesçi sinir ağına milyonlarca veri dosyası göndermesini sağladı. Bu, araştırmacıların EHT verileri ile modeller arasında çok daha iyi bir karşılaştırma yapmasını sağladı.
