인공 지능(AI)은 세상을 이해하는 데 필수적인 도구가 되었습니다. 이제 우주 탐사에 대한 관심이 다시 활기를 띠면서 다른 세계에서도 같은 일이 일어날 수 있습니다.
수십 년간의 연구에도 불구하고 과학자들은 여전히 지구 대기 너머의 우주에 대해 많이 알지 못합니다. 행성, 별, 은하계와 우주를 가로지르는 그들의 움직임을 지도화하는 것이 도움이 될 것이지만, 이는 역사적으로 어려운 과제였습니다. AI는 여러 가지 면에서 이를 더 쉽게 만듭니다.
1. 천체 식별
우주의 많은 부분이 너무 멀리 떨어져 있기 때문에 무엇이 무엇인지 말하기가 종종 어렵습니다. 머신 비전 시스템은 육안으로는 신뢰할 수 없는 다른 천체를 구별하여 도울 수 있습니다.
하와이 대학의 연구원들은 2020년에 이 목적을 위해 유망한 AI 모델을 개발했습니다. 그들의 신경망은 98.1% 정확도로 은하계 식별 그리고 별과 퀘이사에 대해 각각 97.8%와 96.6%의 정확도를 달성했습니다. 그 결과, 그들은 하늘의 4분의 3에 걸쳐 300기가바이트의 천체 카탈로그를 편찬할 수 있었습니다.
망원경과 위성이 우주를 더 많이 볼 수 있게 되면서, 이와 같은 분류 알고리즘은 데이터를 해석하는 것을 더 쉽게 만들 수 있습니다. 과학자들이 무엇을 보고 있는지 알게 되면, 그들은 더 정확하게 추가 연구를 수행할 수 있습니다.
2. 거리 측정
우주를 지도화하는 것은 그저 밖에 무엇이 있는지 아는 문제가 아닙니다. 연구자들은 또한 은하계 전체의 규모와 움직임을 이해하거나 미래의 위성이나 우주선 비행을 계획하기 위해 천체 사이의 거리를 측정해야 합니다. AI도 이 분야에 도움이 됩니다.
천체 활동을 모니터링하여 거리를 계산하려면 복잡한 수학 방정식이 필요합니다. AI가 능숙한 종류입니다. 하나의 솔루션 정확도 76% 달성 전파 망원경 데이터를 분석하여 분자 구름의 크기와 그 사이의 공간을 결정하는 것. 또 다른 하나는 지상 망원경 피드를 모니터링하여 감마선 폭발이 얼마나 멀리 떨어져 있는지 측정했습니다.
이와 같은 도구는 더 넓은 우주에서 활동의 규모와 속도에 대한 더 신뢰할 수 있는 추정치를 제공합니다. 추가 데이터로 모델이 개선됨에 따라 더 안전한 우주 여행을 알리거나 태양 플레어나 초신성과 같은 활동에 대한 더 나은 통찰력을 제공할 수 있습니다.
3. 과거의 하늘을 이해하다
AI는 또한 역사적 천체 운동을 분석하여 우주를 지도화하는 데 도움이 됩니다. 역사 전반에 걸쳐 하늘에 대한 자세한 기록이 없을 수 있지만, 가시적인 하늘의 대부분은 빛이 이동하는 데 걸리는 시간 때문에 실제로 과거를 나타냅니다. 결과적으로 과학자들은 AI를 사용하여 우주의 이전 추세를 모델링하고 이해할 수 있습니다.
한 연구에서는 AI 모델을 구축하여 17,000개 이상의 은하 카탈로그 은하수 근처. 지구에서 아주 멀리 떨어진 지역을 분석했기 때문에 결과 시뮬레이션은 먼 과거를 반영하여 천체가 수천 년에 걸쳐 어떻게 이동했는지에 대한 새로운 정보를 공개했습니다. 결과 지도에는 연구자들이 이전에 알지 못했던 암흑 물질 구조가 포함되었습니다.
이러한 통찰력은 은하가 역사 전반에 걸쳐 어떻게 이동하고 서로에게 영향을 미쳤는지 보여줍니다. 이를 이해하는 것은 우주가 더 큰 규모에서 어떻게 작동하는지 더 잘 이해하는 데 중요합니다.
4. 미래의 변화 예측
AI는 과거에 대해 배우면서 미래에 대한 엿보기를 제공할 수 있습니다. 예측 분석 모델은 이미 이 개념을 판매 예측 및 질병 발생 추적에 적용했으며, 주요 천체 현상에도 동일하게 적용할 수 있습니다.
역사적 은하의 움직임을 시뮬레이션한 AI 솔루션은 은하수와 안드로메다 은하가 서로를 향해 움직이고 있음을 보여주었습니다. 추가 데이터와 예측 모델을 통해 과학자들은 먼 미래에 잠재적인 충돌이 언제 일어날지 판단할 수 있을 것입니다.
AI 기반 예측은 특히 소규모에서 유용합니다. 예측 분석은 연구자들이 태양 폭풍이나 소행성 이동을 예측하여 지구에서 피해나 교란을 방지하기 위해 언제 조치가 필요할지 알 수 있도록 도울 수 있습니다.
5. 정확한 행성 지도 만들기
일부 AI 도구는 우주를 매핑하는 데 더 좁은 접근 방식을 취합니다. 별을 이해하는 것이 중요하지만, 물리적 행성 표면의 지도를 만드는 것이 단기적으로 더 도움이 될 수 있으며, 특히 우주 탐사가 활성화됨에 따라 더욱 그렇습니다. NASA의 화성 탐사 로버 이미 AI를 사용하여 탐색합니다유사한 기술을 사용하면 자세한 외계 행성 조사가 가능할 수 있습니다.
먼 행성의 지질 지도를 만드는 것은 다양한 출처에서 상당한 양의 데이터를 결합하는 것을 의미합니다. 이는 어려울 수 있으며, 많은 시간이 걸리고 오류가 발생할 수 있는 상당한 여지를 남깁니다. AI는 정보를 컴파일하여 신뢰할 수 있는 단일 진실 소스를 더 빠르고 더 정확하게 형성할 수 있습니다.
머신 러닝은 인간이 간과할 수 있는 방대한 데이터 세트에서 추세와 유사점을 찾을 수 있습니다. 결과적으로 과학자들이 그렇지 않으면 놓칠 지질 구조를 식별할 수 있습니다. 이러한 도구는 또한 분산된 데이터 풀을 추가 탐색을 돕기 위해 단일 사용 가능한 지도로 변환할 수 있습니다.
6. 매핑 타임라인 속도 증가
모든 애플리케이션에서 AI 매핑 도구는 우주를 분석하고 이해하는 데 걸리는 시간을 간소화합니다. 이는 더 빠른 발견으로 인해 혁신이 가속화되고 시간이 촉박한 환경에서도 더 심층적인 연구가 가능해지기 때문에 중요합니다.
일본 연구자들의 한 연구는 이러한 잠재력을 강조합니다. 이 팀은 은하와 암흑 물질 분포를 모델링하는 AI 시뮬레이터를 개발했습니다. CPU에 단 1초만 걸렸습니다. 일반적으로 슈퍼컴퓨터로 수십 시간이 걸리는 시뮬레이션을 노트북에서 실행했습니다. 이러한 속도에도 정확도는 전혀 떨어지지 않았습니다.
매핑 프로세스에 시간이 덜 걸리면 과학자들은 더 많은 작업을 수행할 수 있습니다. 그 결과 천문학 커뮤니티는 자금 조달이 어려울 수 있는 시간 소모적이고 값비싼 프로젝트 없이도 추가적인 통찰력을 얻을 수 있습니다.
7. 연구를 더 접근 가능하게 만들기
마찬가지로 AI는 더 많은 사람들에게 이러한 연구를 실현 가능하게 만듭니다. 타임라인이 줄어들면서 관련 비용도 줄어듭니다. 이러한 최적화는 소규모 회사나 자금이 부족한 연구원도 같은 종류의 연구에 참여할 수 있음을 의미합니다.
기존 천문 조사 수십억 달러의 비용이 들 수 있습니다 각각 — 많은 회사나 교육 기관이 감당할 수 있는 것보다 훨씬 더 많은 비용입니다. AI는 여러 가지 방법으로 이러한 비용을 줄입니다. 가장 분명한 것은 이러한 연구를 수행하는 데 걸리는 시간을 줄인다는 것이지만, 그 혜택은 더 큽니다.
복잡한 머신 러닝 모델은 더 적은 데이터로 허용 가능한 결과를 제공하여 관련 비용을 낮출 수 있습니다. 이 기술이 성장함에 따라 기성 알고리즘이 더 널리 사용 가능해지고 있으며, 기술 비용과 모델 학습 시간이 더욱 단축됩니다. 이와 같은 추세는 공간 매핑을 민주화하여 더 다양한 연구로 이어지고, 이는 혁신을 촉진합니다.
AI가 우주의 비밀을 풀고 있다
과학자들은 우주 탐사의 다음 물결이 시작되기 위해 우주를 더 자세히 지도화해야 합니다. AI가 그 노력의 열쇠가 될 수 있습니다.
AI는 이미 천문학 연구의 방대한 영역에서 인상적인 개선을 이끌어냈습니다. 더 많은 팀이 이 기술을 수용함에 따라 더 나아질 뿐입니다. 이상적인 매개변수는 더 명확해지고 관련 데이터는 증가할 것입니다. 머신 러닝은 이러한 추세 속에서 두 번째 우주 경쟁의 촉매가 될 수 있습니다.
게시물 AI가 우주를 지도화하는 데 어떻게 도움이 되는가 처음 등장 유나이트.AI.
