Yapay Zekâ, Evrenin Saklı Mesajlarını Çözmeye Başladı
Yapay zeka destekli yeni bir araç, bilim insanlarının büyük miktarda LIGO verisini insan girdisi olmadan analiz etmesine olanak tanıyor. Depremler ve okyanus dalgaları gibi yerçekimsel dalga tespitine müdahale eden çevresel gürültü kaynaklarını tanımlayarak daha iyi sinyal netliğinin yolunu açıyor.
Yerçekimsel Dalga Verileri için Makine Öğreniminden Yararlanma
Riverside’daki California Üniversitesi’nden bilim insanları, LIGO yerçekimi dalgası gözlemevi tarafından üretilen geniş ve karmaşık veri kümelerindeki örüntüleri tanımlamayı ve gürültüyü azaltmayı kolaylaştıran yeni bir makine öğrenimi aracı geliştirdi.
Yakın zamanda düzenlenen bir IEEE büyük veri çalıştayında UCR ekibi, LIGO’nun yardımcı kanal verilerindeki örüntüleri tespit etmek için tasarlanmış denetimsiz bir makine öğrenimi yaklaşımı üzerine yaptıkları araştırmayı sundu. Bu yöntem, büyük ölçekli parçacık hızlandırıcı deneyleri ve karmaşık endüstriyel sistemler de dahil olmak üzere LIGO’nun ötesinde potansiyel uygulamalara sahiptir.
LIGO Livingston, Livingston, Louisiana’da, geniş, nemli, loblolly çam ormanında yer almaktadır. LIGO’nun iki yerçekimsel dalga dedektöründen birine ev sahipliği yapan bu tesis, evrendeki en enerjik olaylardan gelen yerçekimsel dalgaların zayıf fısıltılarını dinlemek için LIGO Hanford ile birlikte çalışmaktadır. Kredi: LIGO
LIGO: Evrenin Gizemlerine Açılan Bir Kapı
Lazer İnterferometre Kütleçekim Dalga Gözlemevi LIGO, kütleçekim dalgalarını – uzayzamanda büyük nesnelerin hareketinden kaynaklanan dalgalanmaları – tespit eder. Bu dalgaları birleşen kara deliklerden gözlemleyen ilk tesis olan LIGO, Einstein’ın Görelilik Teorisi’nin önemli bir öngörüsünü doğrulamaktadır. LIGO, Hanford, Washington ve Livingston, Louisiana’da bulunan 4 km uzunluğunda iki interferometreden oluşmaktadır. Bu gözlemevleri kütleçekim dalgalarını tespit etmek için yüksek güçlü lazer ışınları kullanarak kara delikler, kozmoloji ve evrendeki maddenin en uç durumları hakkında yeni bilgiler sağlamaktadır.
Her iki LIGO dedektörü de, sahalara yerleştirilen çevresel sensörlerden gelen binlerce veri akışını veya kanalını kaydeder. Bu sensörler, gözlemevinin yerçekimi dalgalarını doğru bir şekilde tespit etme yeteneğini etkileyebilecek koşulları izliyor.
Gürültü Tespitinde Makine Öğreniminde Çığır Açan Bir Buluş
UCR LIGO grubunu yöneten fizik ve astronomi yardımcı doçenti Jonathan Richardson, “LIGO komisyon üyeleri ve paydaşlarıyla yakın işbirliği içinde geliştirdiğimiz makine öğrenimi yaklaşımı, verilerdeki örüntüleri tamamen kendi başına tanımlıyor” dedi. “LIGO dedektör sahalarındaki operatörler tarafından bilinen çevresel ‘durumları’ hiçbir insan girdisi olmadan son derece iyi bir şekilde geri kazandığını görüyoruz. Bu, gürültü bağlantılarını yerelleştirmeye yardımcı olmak ve dedektörlerde gelecekte yapılacak iyileştirmeleri doğrudan yönlendirmek için kullanabileceğimiz güçlü ve yeni bir deneysel aracın kapısını açıyor.”
Richardson, LIGO dedektörlerinin her türlü dış rahatsızlığa karşı son derece hassas olduğunu açıkladı. Yer hareketleri ve rüzgârdan Grönland veya Pasifik kıyılarına vuran okyanus dalgalarına kadar her türlü titreşim hareketinin deneyin hassasiyetini ve veri kalitesini etkileyerek “aksaklıklara” veya gürültü patlamalarının arttığı dönemlere yol açabileceğini söyledi.
Depremleri, Mikrosismleri ve Daha Fazlasını Tanımlama
“Çevre koşullarının izlenmesi sahalarda sürekli olarak yapılmaktadır” dedi. “LIGO, interferometrelerin bulunduğu ortamı algılayan sismometreler ve ivmeölçerler içeren 100.000’den fazla yardımcı kanala sahiptir. Geliştirdiğimiz araç, dikkatle seçilmiş ve düzenlenmiş bir dizi algılama kanalında depremler, mikroseizmalar ve antropojenik gürültü gibi farklı çevresel durumları belirleyebilir.”
Bilgisayar Bilimi ve Mühendisliği alanında doçent olan ve Ross Ailesi Bilgisayar Bilimi Kürsüsü’nde görev yapan Vagelis Papalexakis, ekibin “Yer Tabanlı Yerçekimi Dalga Dedektörlerinin Çevresel Durum Karakterizasyonu için Çok Değişkenli Zaman Serisi Kümelemesi” başlıklı makalesini geçen ay Washington’da düzenlenen IEEE 5. Uluslararası Büyük Veri ve Yapay Zekahttps://www.bizsiziz.com/yapay-zeka-beynin-genetik-sifresini-cozerek-evrimsel-sirlari-aciga-cikardi/ Araçları, Modelleri ve Yenilikçi Bilimsel Keşifler için Kullanım Örnekleri Çalıştayı’nda sundu.
Makinenin Desenleri Bulmasına İzin Vermek
Papalexakis, “Makine öğrenimi yaklaşımımızın çalışma şekli, bir veri kümesindeki örüntüleri tanımlamakla görevli bir modeli almamız ve modelin kendi başına örüntüleri bulmasına izin vermemizdir” dedi. “Araç, LIGO sahalarındaki insan operatörler ve komisyon üyeleri tarafından zaten bilinen fiziksel olarak anlamlı çevresel durumlara çok yakından karşılık gelen aynı kalıpları tanımlayabildi.”
Papalexakis, ekibin araştırma makalesinde rapor edilen analizle ilgili çok büyük bir veri setinin yayınlanmasını sağlamak için LIGO Bilimsel İşbirliği ile birlikte çalıştığını da sözlerine ekledi. Bu veri sürümü, araştırma topluluğunun yalnızca ekibin sonuçlarını doğrulamasına değil, aynı zamanda verilerdeki kalıpları belirlemeye çalışan yeni algoritmalar geliştirmesine de olanak tanıyor.
Papalexakis, “Harici çevresel gürültü ile verilerin kalitesini bozan belirli türdeki aksaklıkların varlığı arasında büyüleyici bir bağlantı tespit ettik” dedi. “Bu keşif, bu tür gürültülerin ortadan kaldırılmasına veya önlenmesine yardımcı olma potansiyeline sahip.”
Ekip yaklaşık bir yıl boyunca tüm LIGO kanallarını organize etti ve çalıştı. Richardson, verilerin yayınlanmasının büyük bir girişim olduğunu belirtti.
Makine Öğrenimi Araştırmaları için Kapılar Açılıyor
“Ekibimiz, yaklaşık 3.200 üyesi olan tüm LIGO Bilimsel İşbirliği adına bu yayına öncülük etti” dedi. “Bu, bu tür veri kümelerinin ilki ve makine öğrenimi ve bilgisayar bilimleri camiasında büyük bir etkisi olacağını düşünüyoruz.”
Richardson, ekibin geliştirdiği aracın, LIGO sahalarının etrafındaki farklı bozuklukları ölçen çok sayıda heterojen sensörden gelen sinyallerden bilgi alabildiğini açıkladı. Richardson, aracın bu bilgileri tek bir duruma indirgeyebileceğini ve daha sonra LIGO dedektörlerinde gürültü sorunlarının ne zaman meydana geldiğine dair zaman serisi ilişkilerini aramak ve bunları sahaların o zamanki çevresel durumlarıyla ilişkilendirmek için kullanılabileceğini söyledi.
LIGO Dedektörlerinde Eyleme Geçirilebilir Değişiklikler Hedefleniyor
“Kalıpları belirleyebilirseniz, dedektörde fiziksel değişiklikler yapabilirsiniz – örneğin bileşenleri değiştirebilirsiniz” dedi. “Aracımızın, LIGO dedektörlerinde eyleme geçirilebilir deneysel değişikliklerin yapılmasına olanak tanıyan fiziksel gürültü bağlantı yollarına ışık tutabileceğini umuyoruz. Uzun vadeli hedefimiz, bu aracın interferometrelerdeki bilinmeyen gürültü sorunlarıyla ilişkili yeni ilişkileri ve yeni çevresel durum biçimlerini tespit etmek için kullanılmasıdır.”
Richardson’la birlikte çalışan doktora öğrencisi ve makalenin ortak yazarlarından Pooyan Goodarzi, veri setinin kamuya açıklanmasının önemini vurguladı.
“Tipik olarak, bu tür veriler tescilli olma eğilimindedir” dedi. “Yine de, veri bilimi ve makine öğrenimi alanlarında daha disiplinler arası araştırmalarla sonuçlanmasını umduğumuz büyük ölçekli bir veri setini yayınlamayı başardık.”
Kaynak: https://scitechdaily.com
Yapay Zekâ Beynin Genetik Şifresini Çözerek Evrimsel Sırları Açığa Çıkardı