L’apprendimento automatico assume un ruolo da protagonista nell’esplorazione dell’universo

Sep 06, 2023

Gli astronomi della Penn State – e i co-assunti dell’Institute for Computational and Data Sciences – stanno utilizzando algoritmi di apprendimento automatico per esaminare il tesoro di dati del James Webb Space Telescope. Dicono che queste informazioni stanno già cambiando la nostra comprensione dell'universo. Credito: NASA e Space Telescope Science Institute. Tutti i diritti riservati.

16 marzo 2023

Di Matt Swayne

PARCO UNIVERSITARIO - Le intricate e bellissime immagini dell'universo trasmesse dal James Webb Space Telescope (JWST) sono molto più che semplici pixel che si fanno strada sugli schermi dei computer o degli smartphone. Queste immagini rappresentano dati: tantissimi dati; in effetti, il JWST offrecirca 235 gigabyte di dati scientifici ogni giorno– circa la stessa quantità di dati in una sessione di abbuffata di film in alta definizione di 10 giorni.

JWST e altri telescopi e sensori hanno fornito agli astronomi di oggi un flusso di dati in continua crescita. Queste fonti offrono agli astronomi la capacità senza precedenti di guardare più in profondità nello spazio e più indietro nel tempo che mai, per fare nuove scoperte, compreso lo studio di come muoiono le stelle. Il recente lavoro della Penn State utilizzando i dati di JWST potrebbecambiare il modo in cui gli scienziati comprendono l’origine delle galassie.

Tuttavia, la gestione di tutti questi dati non è priva di problemi. Gli astronomi devono fare affidamento su supercomputer e algoritmi avanzati, noti come machine learning, per prendere questa marea di dati e creare modelli accurati della vastità dello spazio, svelare scoperte e ispirare nuove domande, oltre a creare immagini straordinarie dell’universo.

Joel LejaEV.Ashley Villar, entrambi assistenti professori di astronomia e astrofisica e co-assunti dell'ICDS, sono tra gli scienziati che hanno stabilito la Penn State come leader nell'uso di tecniche di apprendimento automatico per gestire al meglio enormi flussi di dati.

Secondo Leja, gli approcci di apprendimento automatico consentono ai ricercatori di elaborare i numeri in modo più efficiente e accurato rispetto ai metodi precedenti. In alcuni casi, come nell’interpretazione dell’imaging delle galassie, queste tecniche di apprendimento automatico possono essere quasi un milione di volte più veloci delle analisi tradizionali, ha aggiunto.

Prima dell’avvento dell’apprendimento automatico, l’elaborazione dei dati implicava l’uso di equazioni analitiche e la compilazione di grandi quantità di dati in tabelle. I ricercatori, spesso studenti laureati, dedicano una notevole quantità di tempo alla raccolta e all’analisi dei dati. Senza l’apprendimento automatico, i calcoli erano spesso ripetitivi e richiedevano molto tempo e non esisteva un modo efficace per accelerare il processo.

Leja ha detto che è stato un po' come pianificare un viaggio enormemente complicato.

"Diciamo che stai cercando la strada migliore da Los Angeles a San Francisco," disse Leja. "Utilizzando le vecchie tecniche, faremmo un elenco di strade, proveremmo ogni singolo percorso, calcoleremo l'intera distanza su ogni piccola strada - le piccole strade, le autostrade principali, le rotatorie - e dovremmo mappare ogni percorso, facendolo uno per uno. Non è un ottimo modo per farlo. In genere fornisce la risposta giusta, ma l'apprendimento automatico cerca di farlo in un modo molto più intelligente utilizzando i dati: ad esempio, potrebbe invece utilizzare milioni di percorsi di viaggio precedenti e chiedi semplicemente quale è il più veloce."

L’apprendimento automatico non riduce solo il lavoro umano, ma gli approcci possono ridurre anche il lavoro computazionale, il che, a sua volta, fa risparmiare energia, secondo Villar.

"La questione del lavoro umano è importante, ma dobbiamo considerare anche il problema del lavoro informatico", ha affermato Villar. "Sta utilizzando così tante ore di tempo di calcolo, il che significa anche che sta utilizzando molta energia."

Il telescopio spaziale James Webb sta facendo molto di più che scattare bellissime foto: sta raccogliendo dati che potrebbero aiutarci a comprendere meglio l'universo. L’apprendimento automatico sta aiutando gli astronomi a esaminare tali dati. Crediti: NASA e Space Telescope Science Institute (STScI). Tutti i diritti riservati.

Cambio di campo