Un trio di studenti dell'Università di Glasgow ha sviluppato una sofisticata intelligenza artificiale che potrebbe sostenere la prossima fase dell'astronomia delle onde gravitazionali.

In un nuovo articolo pubblicato oggi sulla rivista Lettere di revisione fisica , i ricercatori discutono di come hanno utilizzato strumenti di intelligenza artificiale per addestrare un "cervello" di intelligenza artificiale a cercare segnali di onde gravitazionali.

Onde gravitazionali, increspature nello spaziotempo causate da enormi eventi astronomici, furono ipotizzati per la prima volta da Albert Einstein nel 1915. Ci volle un altro secolo prima che i rivelatori del Laser Interferometry Gravitational-Wave Observatory (LIGO) negli Stati Uniti rilevassero per la prima volta i segnali molto deboli della collisione di buchi neri binari.

Da quel primo storico rilevamento nel settembre 2015, i rivelatori Advanced LIGO e VIRGO europei hanno raccolto numerosi segnali da altri buchi neri binari e uno dalla collisione di stelle di neutroni binarie.

Attualmente, i segnali delle onde gravitazionali vengono prelevati dal rumore di fondo dei rivelatori utilizzando una tecnica nota come filtraggio abbinato, che misura le uscite dai rivelatori rispetto a un banco di forme d'onda modello. I segnali che corrispondono alla forma di una forma d'onda modello vengono quindi esaminati più da vicino per determinare se rappresentano un'autentica rivelazione di onde gravitazionali.

Però, il processo richiede una grande potenza di calcolo. Man mano che i rivelatori vengono aggiornati e la loro sensibilità ai segnali delle onde gravitazionali aumenta, gli astronomi si aspettano che vengano effettuati molti più rilevamenti durante ogni sessione di osservazione, portando con sé un conseguente aumento della potenza di calcolo richiesta.

Gli studenti post-laurea di fisica e astronomia dell'Università di Glasgow Hunter Gabbard e Fergus Hayes e lo studente universitario Michael Williams hanno deciso di indagare se l'apprendimento profondo, una forma di intelligenza artificiale, potrebbe aiutare a rendere il processo di rilevamento più efficiente dal punto di vista computazionale.

Sotto la direzione dell'astrofisico dell'Università di Glasgow Dr. Christopher Messenger, hanno utilizzato un processo noto come deep learning supervisionato per costruire un'intelligenza artificiale in grado di rilevare correttamente i segnali delle onde gravitazionali sepolti nel rumore da migliaia di set di dati simulati che hanno creato.

Hunter Gabbard ha dichiarato:"Gli algoritmi di deep learning coinvolgono array impilati di unità di elaborazione, che chiamiamo neuroni, che fungono da filtri per i dati di input. L'apprendimento approfondito supervisionato ci consente di "insegnare" il sistema attraverso tre set di dati che forniamo. Il primo set di dati, il set di allenamento, ci permette di assicurarci che stia 'imparando' ciò che vogliamo. Il secondo, il set di convalida, ci mostra che sta imparando nel modo in cui ci aspettiamo. Il set finale, il set di prova, ci aiuta a quantificare le prestazioni del sistema."

"Ciò che rende questo processo più veloce ed efficiente del filtro abbinato è che il set di addestramento è il luogo in cui si verifica tutta l'attività computazionalmente intensiva. Una volta che l'algoritmo di deep learning impara cosa cercare in un segnale, ha il potenziale per essere ordini di grandezza più veloci di altri metodi."

Fergus Hayes ha aggiunto:"Allo stesso tempo, abbiamo anche utilizzato un processo standard di filtraggio abbinato per setacciare i nostri dati simulati di onde gravitazionali, così abbiamo potuto confrontare l'efficacia del nostro approccio di apprendimento profondo utilizzando un processo statistico figura di merito chiamato curve caratteristiche dell'operatore del ricevitore (ROC).

"Con un'attenta messa a punto e formazione dello strumento di deep learning, abbiamo scoperto che quelle curve ROC hanno mostrato prestazioni molto simili tra il nostro nuovo processo e il processo di filtraggio abbinato. Ciò che suggerisce è che le reti neurali forniscono un metodo molto promettente per la ricerca di segnali di onde gravitazionali".

Michael Williams ha aggiunto:"Anche se in questo articolo ci siamo concentrati specificamente sui rilevamenti di buchi neri binari, il processo potrebbe essere facilmente applicato ad altri tipi di segnali di onde gravitazionali e siamo desiderosi di continuare la nostra ricerca. È una scoperta entusiasmante, e suggerisce un percorso molto promettente per l'astronomia delle onde gravitazionali più intensiva che arriverà quando i rivelatori diventeranno più sensibili".

Il documento dei ricercatori, intitolato "Filtraggio abbinato con reti profonde per l'astronomia delle onde gravitazionali, " è pubblicato in Lettere di revisione fisica .