L’intelligenza artificiale rivela un’insospettabile ricerca matematica alla base di esopianeti
L’algoritmo di apprendimento automatico indica problemi nella teoria matematica per l’interpretazione delle microlenti

 

Gli algoritmi di intelligenza artificiale (AI) addestrati su osservazioni astronomiche reali ora superano gli astronomi nel setacciare enormi quantità di dati per trovare nuove stelle che esplodono, identificare nuovi tipi di galassie e rilevare le fusioni di stelle massicce, accelerando il tasso di nuove scoperte nella più antica del mondo scienza.

Ma l’intelligenza artificiale, chiamata anche apprendimento automatico, può rivelare qualcosa di più profondo, hanno scoperto gli astronomi dell’Università della California, Berkeley: connessioni insospettate nascoste nella complessa matematica derivante dalla relatività generale – in particolare, come questa teoria viene applicata alla ricerca di nuovi pianeti attorno ad altre stelle.

In un articolo apparso questa settimana sulla rivista Nature Astronomy, i ricercatori descrivono come un algoritmo di intelligenza artificiale sviluppato per rilevare più rapidamente esopianeti quando tali sistemi planetari passano davanti a una stella di fondo e la illuminano brevemente – un processo chiamato microlensing gravitazionale – ha rivelato che le teorie vecchie di decenni ora utilizzate per spiegare queste osservazioni sono tristemente incompleto.

Nel 1936, lo stesso Albert Einstein utilizzò la sua nuova teoria della relatività generale per mostrare come la luce di una stella lontana può essere piegata dalla gravità di una stella in primo piano, non solo illuminandola vista dalla Terra, ma spesso suddividendola in diversi punti di luce o distorcendolo in un anello, ora chiamato anello di Einstein. Questo è simile al modo in cui un obiettivo manuale può mettere a fuoco e intensificare la luce del sole.

Ma quando l’oggetto in primo piano è una stella con un pianeta, l’illuminazione nel tempo, la curva di luce, è più complicata. Inoltre, ci sono spesso orbite planetarie multiple che possono spiegare altrettanto bene una data curva di luce, le cosiddette degenerazioni. È qui che gli umani hanno semplificato la matematica e hanno perso il quadro più ampio.


L’algoritmo dell’IA, tuttavia, ha indicato un modo matematico per unificare i due principali tipi di degenerazione nell’interpretazione di ciò che i telescopi rilevano durante il microlensing, dimostrando che le due “teorie” sono casi davvero speciali di una teoria più ampia che, ammettono i ricercatori, è probabile ancora incompleto.

“Un algoritmo di inferenza di apprendimento automatico che abbiamo sviluppato in precedenza ci ha portato a scoprire qualcosa di nuovo e fondamentale sulle equazioni che governano l’effetto relativistico generale della curvatura della luce da parte di due corpi enormi”, ha scritto Joshua Bloom in un post sul blog l’anno scorso quando ha caricato il documento su un server di prestampa, arXiv. Bloom è un professore di astronomia della UC Berkeley e presidente del dipartimento.

Ha paragonato la scoperta dello studente laureato dell’Università di Berkeley, Keming Zhang, alle connessioni che il team di intelligenza artificiale di Google, DeepMind, ha recentemente stabilito tra due diverse aree della matematica. Presi insieme, questi esempi mostrano che i sistemi di intelligenza artificiale possono rivelare associazioni fondamentali che agli esseri umani mancano.

“Sostengo che costituiscono una delle prime, se non la prima volta, che l’IA è stata utilizzata per fornire direttamente nuove intuizioni teoriche in matematica e astronomia”, ha detto Bloom. “Proprio come Steve Jobs ha suggerito che i computer potrebbero essere le biciclette della mente, abbiamo cercato una struttura di intelligenza artificiale che fungesse da nave spaziale intellettuale per gli scienziati”.

“Questa è una sorta di pietra miliare nell’intelligenza artificiale e nell’apprendimento automatico”, ha sottolineato il coautore Scott Gaudi, professore di astronomia alla Ohio State University e uno dei pionieri dell’uso del microlensing gravitazionale per scoprire esopianeti. “L’algoritmo di apprendimento automatico di Keming ha scoperto questa degenerazione che era stata ignorata dagli esperti del settore che lavoravano con i dati per decenni. Questo è indicativo di come andrà la ricerca in futuro quando sarà aiutata dall’apprendimento automatico, il che è davvero eccitante”.

Alla scoperta di esopianeti con il microlensing

Più di 5.000 esopianeti, o pianeti extrasolari, sono stati scoperti intorno alle stelle della Via Lattea, anche se pochi sono stati effettivamente visti attraverso un telescopio: sono troppo deboli. La maggior parte è stata rilevata perché crea un’oscillazione Doppler nei movimenti delle stelle ospiti o perché attenua leggermente la luce della stella ospite quando si incrocia davanti ad essa, transiti che erano al centro della missione Kepler della NASA. Poco più di 100 sono stati scoperti con una terza tecnica, il microlensing.

Uno degli obiettivi principali del Nancy Grace Roman Space Telescope della NASA, il cui lancio è previsto entro il 2027, è scoprire migliaia di altri esopianeti tramite microlensing. La tecnica ha un vantaggio rispetto al Doppler e alle tecniche di transito in quanto può rilevare pianeti di massa inferiore, compresi quelli delle dimensioni della Terra, che sono lontani dalle loro stelle, a una distanza equivalente a quella di Giove o Saturno nel nostro sistema solare.

Bloom, Zhang e i loro colleghi hanno deciso due anni fa di sviluppare un algoritmo di intelligenza artificiale per analizzare i dati di microlensing più velocemente per determinare le masse stellari e planetarie di questi sistemi planetari e le distanze in cui i pianeti orbitano dalle loro stelle. Un tale algoritmo velocizzerebbe l’analisi delle probabili centinaia di migliaia di eventi che il telescopio romano rileverà per trovare l’1% o meno causato dai sistemi esoplanetari.

Un problema che gli astronomi incontrano, tuttavia, è che il segnale osservato può essere ambiguo. Quando una stella solitaria in primo piano passa davanti a una stella sullo sfondo, la luminosità delle stelle sullo sfondo aumenta gradualmente fino a raggiungere un picco e poi scende simmetricamente alla sua luminosità originale. È facile da capire matematicamente e osservativamente.

Ma se la stella in primo piano ha un pianeta, il pianeta crea un picco di luminosità separato all’interno del picco causato dalla stella. Quando si cerca di ricostruire la configurazione orbitale dell’esopianeta che ha prodotto il segnale, la relatività generale spesso consente due o più cosiddette soluzioni degenerate, che possono spiegare le osservazioni.

Ad oggi, gli astronomi hanno generalmente affrontato queste degenerazioni in modi semplicistici e artificialmente distinti, ha detto Gaudi. Se la luce stellare lontana passa vicino alla stella, le osservazioni potrebbero essere interpretate come un’orbita ampia o stretta per il pianeta: un’ambiguità che gli astronomi possono spesso risolvere con altri dati. Un secondo tipo di degenerazione si verifica quando la luce stellare di fondo passa vicino al pianeta. In questo caso, tuttavia, le due diverse soluzioni per l’orbita planetaria sono generalmente solo leggermente diverse.

Secondo Gaudi, queste due semplificazioni del microlensing gravitazionale a due corpi sono generalmente sufficienti per determinare le masse reali e le distanze orbitali. Infatti, in un articolo pubblicato lo scorso anno, Zhang, Bloom, Gaudi e altri due coautori della UC Berkeley, la professoressa di astronomia Jessica Lu e lo studente laureato Casey Lam, hanno descritto un nuovo algoritmo di intelligenza artificiale che non si basa affatto sulla conoscenza di queste interpretazioni. L’algoritmo accelera notevolmente l’analisi delle osservazioni di microlenti, fornendo risultati in millisecondi, anziché in giorni, e riducendo drasticamente il crunch del computer.

Zhang ha quindi testato il nuovo algoritmo di intelligenza artificiale sulle curve di luce microlensing da centinaia di possibili configurazioni orbitali di stelle ed esopianeti e ha notato qualcosa di insolito: c’erano altre ambiguità che le due interpretazioni non spiegavano. Ha concluso che le interpretazioni comunemente utilizzate del microlensing erano, in effetti, solo casi speciali di una teoria più ampia che spiega l’intera varietà di ambiguità negli eventi di microlensing.

“Le due precedenti teorie sulla degenerazione trattano di casi in cui la stella sullo sfondo sembra passare vicino alla stella in primo piano o al pianeta in primo piano”, ha detto Zhang. “L’algoritmo dell’IA ci ha mostrato centinaia di esempi non solo da questi due casi, ma anche da situazioni in cui la stella non passa vicino né alla stella né al pianeta e non può essere spiegata da nessuna delle precedenti teorie. Questa è stata la chiave per noi proporre la nuova teoria unificante”.

Gaudi era scettico, all’inizio, ma è venuto dopo che Zhang ha prodotto molti esempi in cui le due teorie precedenti non si adattavano alle osservazioni e la nuova teoria sì. Zhang ha effettivamente esaminato i dati di due dozzine di articoli precedenti che riportavano la scoperta di esopianeti attraverso il microlensing e ha scoperto che, in tutti i casi, la nuova teoria si adatta ai dati meglio delle teorie precedenti.

“Le persone stavano assistendo a questi eventi di microlensing, che in realtà stavano esibendo questa nuova degenerazione ma semplicemente non se ne rendevano conto”, ha detto Gaudi. “In realtà era solo l’apprendimento automatico che guardava a migliaia di eventi in cui era diventato impossibile perdersi”.

Zhang e Gaudi hanno presentato un nuovo articolo che descrive rigorosamente la nuova matematica basata sulla relatività generale ed esplora la teoria in situazioni di microlensing in cui più di un esopianeta orbita attorno a una stella.

La nuova teoria rende tecnicamente più ambigua l’interpretazione delle osservazioni di microlensing, poiché esistono soluzioni più degenerate per descrivere le osservazioni. Ma la teoria dimostra anche chiaramente che osservare lo stesso evento di microlensing da due prospettive – dalla Terra e dall’orbita del Telescopio Spaziale Romano, per esempio – renderà più facile stabilire le orbite e le masse corrette. Questo è ciò che gli astronomi hanno in programma di fare attualmente, ha detto Gaudi.

“L’intelligenza artificiale ha suggerito un modo per guardare l’equazione dell’obiettivo sotto una nuova luce e scoprire qualcosa di veramente profondo sulla sua matematica”, ha affermato Bloom. “L’intelligenza artificiale sta emergendo non solo come questo tipo di strumento contundente che è nella nostra cassetta degli attrezzi, ma come qualcosa che in realtà è piuttosto intelligente. Insieme a un esperto come Keming, i due sono stati in grado di fare qualcosa di abbastanza fondamentale.


 

Di ihal

Utilizzando il sito, accetti l'utilizzo dei cookie da parte nostra. maggiori informazioni

Questo sito utilizza i cookie per fornire la migliore esperienza di navigazione possibile. Continuando a utilizzare questo sito senza modificare le impostazioni dei cookie o cliccando su "Accetta" permetti il loro utilizzo.

Chiudi