пресс-центр

Технологии глубокого обучения ускорят поиск внеземной жизни

NVIDIA Blog NVIDIA Blog
NVIDIA Blog https://blogs.nvidia.com/blog/2016/08/01/deep-learning-will-speed-search-for-extraterrestrial-life/

 

Технологии глубокого обучения ускорят поиск внеземной жизни

 

Система глубокого обучения, разработанная астрономами из Университетского колледжа Лондона, обрабатывает данные, полученные с телескопов. Она была натренирована с использованием данных об удаленных солнечных системах таким образом, чтобы определять планеты, которые потенциально способны поддерживать жизнь.

“Мы хотим понимать, какие планеты стоит изучать в дальнейшем, а какие - нет. И мы хотим автоматизировать этот процесс распознавания», - объяснил Инго Вальдманн (Ingo Waldmann), исследователь из Университетского колледжа Лондона, который руководит группой разработчиков.

Он назвал программу, основанную на алгоритмах глубокого обучения с ускорением на GPU, RobERt, что расшифровывается как «роботизированное распознавание экзопланет» (Robotic Exoplanet Recognition). Экзопланеты - это планеты, расположенные за пределами нашей Солнечной системы. Глубокое обучение, направление в области искусственного интеллекта, - это способ обучения компьютеров выполнять такие задачи, как распознавание изображений или речи, почти так же точно, как человек.

Как алгоритмы глубокого обучения распознают признаки жизни в космосе

Используя данные, полученные с телескопов, RobERt изучает световые лучи, проходящие сквозь атмосферу экзопланет, и ищет признаки наличия метана, углекислого и других газов, которые свидетельствуют о биологической активности на планете.

Почему именно световые лучи? Различные типы молекул поглощают и излучают свет на определенных длинах волн, поэтому каждая молекула имеет свой «отпечаток» в световом спектре. По этому отпечатку, или шаблону, астрономы способны понять, какие газы присутствуют в атмосфере.

«Ученые хорошо умеют находить и определять эти шаблоны, но это отнимает очень много времени, -рассказал Вальдманн. - То, на что у нас обычно уходили дни или недели, RobERt делает за считанные секунды».

Вальдманн и его команда натренировали свою глубокую нейронную сеть, заложив в нее более 85 000 смоделированных спектров, охватывающих пять различных типов атмосфер экзопланет. Для этого они использовали язык Python с поддержкой CUDA, графические процессоры NVIDIA Tesla K80 и ускорители Tesla K40. Каждый спектр содержал «отпечаток» определенного газа.

 

Kepler-186f стала первой скалистой планетой, найденной в обитаемой зоне звезды. Изображение: NASA Ames/JPL-Caltech/T. Pyle.

Kepler-186f стала первой скалистой планетой, найденной в обитаемой зоне звезды. Изображение: NASA Ames/JPL-Caltech/T. Pyle.

Искусственный интеллект помогает изучать далекие солнечные системы. . .

Исследователи использовали RobERt для обработки данных с космического телескопа «Хаббл». В ближайшее десятилетие, по мнению Вальдманна, с запуском более мощных телескопов и амбициозных миссий ученые столкнутся с по-настоящему сложной задачей. Первый из них, инфракрасный космический телескоп имени Джеймса Уэбба, предназначенный для наблюдения за первыми галактиками Вселенной, планируется запустить на орбиту в 2018 году.

«Объем данных, которые мы получим, будет просто колоссальным, - сказал Вальдманн. - RobERt сыграет неоценимую роль и поможет нам проанализировать эти данные и узнать, что представляют собой удаленные миры».

Цель Вальдманна - создать автоматизированную систему, которая будет получать данные с телескопа и проводить анализ газов, молекул, климата и химического состава планет. Ученые уже знают, что наша собственная Солнечная система не типична для нашей галактики. В ее составе можно найти все, начиная от заледеневших миров и заканчивая огромными раскаленными планетами, такими как Юпитер.

. . . Изучение нашей Солнечной системы

Обладая подобными данными, у ученых есть шанс составить более точное представление о том, как были сформированы удаленные солнечные системы. По словам Вальдманна, возможность взглянуть на статистические пробы различных солнечных систем прольет свет на то, как появилась наша Солнечная система, процесс, который до сих пор плохо изучен.

«До 1995 года мы знали о существовании только одной солнечной системы, нашей. Теперь мы знаем о более 2500 систем, - рассказал Вальдманн. - Учитывая, сколько всего еще нам предстоит узнать, мы все больше будем нуждаться в таких системах с искусственным интеллектом, как RobERt, чтобы поместить Солнечную систему в более широкий контекст нашей галактики».