Kunstmatige intelligentie verandert fundamenteel de manier waarop we het universum zien. AI heeft al een revolutie teweeggebracht in de manier waarop we gegevens van de James Webb Space Telescope (JWST) verwerken, maar wordt nu ingezet om een van de oudste problemen in de astronomie op te lossen: het vervagende effect van de atmosfeer van de aarde.
Een nieuw AI-algoritme, ontwikkeld door onderzoekers van de Universiteit van Californië, Santa Cruz (UCSC), heeft tot doel beelden van het Vera C. Rubin Observatorium in Chili te transformeren, waardoor waarnemingen vanaf de grond net zo scherp en helder lijken als die uit het vacuüm van de ruimte.
De atmosferische hindernis
Zelfs de meest geavanceerde observatoria op de grond worden geconfronteerd met een aanzienlijk obstakel: de atmosfeer. Het Vera C. Rubin Observatorium, gelegen bovenop Cerro Pachón in de Chileense Andes, bevindt zich op een van de droogste plekken op aarde om interferentie tot een minimum te beperken. Wanneer licht van verre sterrenstelsels echter door onze atmosfeer reist, wordt het geconfronteerd met turbulentie die het beeld vervormt en vervaagt.
Terwijl astronomen zwaar investeren in hardware om deze vervormingen te corrigeren, wenden UCSC-professor Brant Robertson en zijn team zich tot een ander soort hoogwaardige technologie: machine learning.
Voer “Neo” in: de AI-beeldverbetering
De onderzoekers hebben een generatief model ontwikkeld met de naam Neo. Om dit systeem te trainen gebruikte het team een slimme vergelijkende methode:
1. Ze voedden de AI-beelden van de Subaru Telescope (op de grond).
2. Ze combineerden ze met momentopnamen met hoge resolutie van dezelfde hemelgebieden van de Hubble-ruimtetelescoop (in de ruimte gestationeerd).
Door de twee te vergelijken, leerde Neo hoe hij de ontbrekende details kon ‘invullen’ die verloren gingen door atmosferische vervaging. De resultaten zijn transformatief. Volgens het onderzoeksteam kan Neo de nauwkeurigheid van gemeten vormen en parameters van sterrenstelsels met 2 tot 10 keer verbeteren.
Praktisch gezien betekent dit:
– Vage vlekken worden omgezet in duidelijke, individuele sterren.
– ** Wazige vormen ** worden opgelost in precieze galactische structuren.
– Gegevenskwaliteit is verhoogd tot een niveau dat statistisch gezien ruimtefotografie nabootst.
Maximaliseren van het wetenschappelijk rendement
Deze technologische sprong gaat niet alleen over betere foto’s; het gaat om economische en wetenschappelijke efficiëntie. Het bouwen van een ruimtetelescoop zoals Hubble of Webb kost miljarden dollars. Daarentegen kostte het Vera C. Rubin Observatorium ongeveer $800 miljoen.
Door AI te gebruiken om de gegevens van Rubin een boost te geven, kunnen wetenschappers veel meer waarde uit hun investering halen. Zoals Robertson opmerkt, is het doel om publieke en gemeenschapsbronnen te benutten om ervoor te zorgen dat we alle mogelijke informatie uit onze duurste instrumenten halen.
Hoe Neo werkt: een dubbele netwerkbenadering
Neo maakt gebruik van een Conditional Generative Adversarial Network (GAN). Hierbij zijn twee neurale netwerken betrokken die in een constante lus werken:
– De generator: Creëert een verbeterde versie met hoge resolutie van de originele afbeelding.
– De Evaluator: Analyseert kritisch de gegenereerde afbeelding om te controleren op nauwkeurigheid en kwaliteit.
Dit proces wordt mogelijk gemaakt door NVIDIA’s GPU-aangedreven supercomputers, waardoor de AI elke afzonderlijke pixel kan analyseren om onderscheid te maken tussen lege lucht, sterren en complexe galactische structuren zoals schijven of sferoïden.
De toekomst van ontdekking: mensen + AI
Er wordt vaak gevreesd dat AI wetenschappers zal vervangen, maar de onderzoekers beweren het tegendeel. De enorme hoeveelheid gegevens die door moderne telescopen wordt geproduceerd – zoals de enorme gegevensstromen van de JWST – is te groot om alleen door het menselijk oog te kunnen verwerken.
“We worden overspoeld met zoveel gegevens dat het heel moeilijk is om ze bij te houden”, zegt Robertson. “Onze standaardbenaderingen voor het analyseren van deze beelden zijn gewoon echt niet voldoende.”
AI fungeert als een krachtvermenigvuldiger. Het verzorgt het zware werk van patroonherkenning en het opschonen van gegevens, waardoor astronomen zich kunnen concentreren op het interpreteren van de meest diepgaande ontdekkingen.
Conclusie
Door de kloof te overbruggen tussen beperkingen op de grond en helderheid in de ruimte, maakt AI een nieuw tijdperk van snelle astronomie met hoge resolutie mogelijk. Deze technologie zorgt ervoor dat zelfs nu we geconfronteerd worden met een overweldigende stortvloed aan kosmische gegevens, ons vermogen om het universum te begrijpen gelijke tred houdt.
