JWST verileriyle erken evren inceleniyor; yapay zeka ve GPU’lar yüz binlerce galaksiyi analiz ederek keşifleri hızlandırıyor, yeni bulgular ortaya çıkarıyor.
James Webb Uzay Teleskobu ile elde edilen veriler, evrende beklenenden çok daha fazla ve çok daha eski galaksinin bulunduğunu ortaya koydu. Brant Robertson liderliğindeki ekip, bu dev veri yığınını analiz edebilmek için yapay zeka ve yüksek performanslı GPU sistemlerinden yararlanıyor.
Yapay zeka destekli analizler sayesinde yüz binlerce galaksi hızlı şekilde sınıflandırılırken, erken evrende var olmaması beklenen disk galaksilerin tespit edilmesi gibi çarpıcı sonuçlara ulaşıldı.
Araştırma ekibi, geliştirdiği araçlarla yaklaşık 500 bin galaksiyi kapsayan veri setlerini kamuya açarak bilimsel çalışmaları hızlandırmayı hedefliyor. Uzmanlara göre, artan veri hacmiyle birlikte yapay zeka, astronomide artık bir tercih değil zorunluluk haline geliyor.
---
https://blogs.nvidia.com sitesinde yayımlanan makalede yapay zeka ile gökbilim çalışmalarının kolaylaştığı yönündeki bulgular kaleme alındı.
Makalede şu bilgiler yer aldı:
Evrende, kimsenin tahmin edemeyeceği kadar çok galaksi var. Ne yazık ki, hepsi birden ortaya çıktı.
James Webb Uzay Teleskobu'ndan (JWST) ilk görüntüler 2022'de veri göndermeye başladığında, Brant Robertson ve meslektaşları gökbilimcilerin her zaman yaptığı şeyi yaptılar: Gökyüzüne baktılar ve gördüklerini anlamaya çalıştılar. Bu sefer gökyüzü terabaytlarca veri olarak geldi.
Robertson, "Her yerde galaksiler vardı," diye hatırladı. "O kadar çok ve o kadar uzaktaydılar ki, gerçekten şok olduk."
Robertson, Kaliforniya Üniversitesi, Santa Cruz'da astronomi ve astrofizik profesörüdür ve burada Büyük Patlamadan sonra en eski galaksilerin nasıl oluştuğunu inceleyen bir ekibe liderlik etmektedir.
Bu, Bahar Astronomi Günü için yaratılmış bir tür çalışma ve ekibinin kamuya açık olarak yayınladığı veri setleri sayesinde, bu yıl bu etkinliği kutlayan herkes, birkaç yıl öncesine göre bile daha derinlemesine erken evreni keşfedebilir.
Geçtiğimiz birkaç yıl içinde, ekibi bilinen en uzak galaksi rekorunu birden fazla kez kırdı ve her seferinde gözlemi evrenin ilk ışığına daha da yaklaştırdı.
Bu ölçekte hesaplama olmasaydı, veriler sadece birikip dururdu.
Gözlemsel sınırlamalar hesaplama gerektirir. Kopernik, gözlemsel tutarsızlıkları gidermek için matematiği kullandı. Robertson da aynı şeyi hesaplamalı modeller kullanarak yapıyor.
JWST, kızılötesi ışınlarla gözlem yapan ve 13 milyar yıldan fazla yol kat etmiş ışığı yakalayan, şimdiye kadar fırlatılmış en güçlü gözlemevidir. Her derin alan görüntüsü, bazıları 13 milyar yaşında olan yüz binlerce galaksiyle doludur.
Sorun da bu bollukta yatıyor.
Robertson, "Bu veri kümeleri, insanların elle analiz edebileceğinden çok daha büyük ve karmaşık," dedi. "Uzman ekiplerin bile, şu anda günler içinde yapılması gerekeni yapması yıllar sürerdi."
NVIDIA'da yüksek performanslı bilgi işlem ve yapay zeka hiper ölçekli altyapı çözümleri kıdemli direktörü Dion Harris, "Yapay zeka sadece bilim insanlarının evreni daha hızlı anlamalarına yardımcı olmakla kalmıyor, aynı zamanda hepimizin en ileri düzeydeki çalışmalara erişmesine ve bunları anlamasına da yardımcı oluyor; asıl atılım bu," dedi.
UC Santa Cruz'da, bu hıza ayak uydurmak için bir analiz hattı oluşturuldu. Yapay zeka modelleri sınıflandırmayı üstleniyor. GPU'lar neredeyse her adımı hızlandırıyor: veri indirgeme, katalog oluşturma, anormallik tespiti ve simülasyon. Bu hızlandırma olmadan, işin büyük bir kısmı basitçe duraklardı.
Bu hesaplamaların bir kısmı, Ulusal Bilim Vakfı'ndan alınan 1,6 milyon dolarlık bir hibe ile finanse edilen UCSC'nin Lux kümesinde kampüs içinde gerçekleştiriliyor.
Daha büyük GPU işlemleri, kampüs dışındaki ABD hükümeti tarafından işletilen süper bilgisayarlara taşınıyor. Geliştirme çalışmaları ise daha yakın bir yerde yapılıyor. Robertson'ın Disiplinlerarası Bilimler Binası'ndaki ofisinde, masanın yanında altın sürüm bir NVIDIA DGX Station sistemi duruyor; son derece sessiz çalışan bu sistem, modeller büyük ölçekte çalıştırılmak üzere başka yerlere gönderilmeden önce test edilmesi için kullanılıyor.
Bu süreçteki temel araçlardan biri, UCSC'de eski bir yüksek lisans öğrencisi olan ve şu anda Johns Hopkins'te araştırma yazılım mühendisi olarak çalışan Ryan Hausen tarafından Robertson ile işbirliği içinde geliştirilen ve başlangıçta daha önceki galaksi araştırmalarında kullanılan Morpheus adlı bir yapay zeka sistemidir.
Otonom araçların yolları yayalardan ayırt etmek için kullandığı aynı yaklaşım olan anlamsal segmentasyon teknikleri üzerine inşa edilen sistem, daha sonra JWST'nin çok daha büyük ve ayrıntılı görüntülerini işleyebilecek şekilde uyarlanmış ve ölçeklendirilmiştir.
Morpheus, bir galaksinin tamamını aynı anda sınıflandırmak yerine, her pikseli inceleyerek, küresel bir çıkıntıyı çevreleyen diskten ayırır; hatta ikisi aynı görüntüde yer alsa bile.
JWST verilerine uygulanan bu sistem, ekibin teleskop gözlemlerine ilişkin ilk büyük ölçekli yapay zeka analizini gerçekleştirmesini sağlayarak, mevcut modellerle uzlaştırılması zor olan sonuçları ortaya çıkardı.
Sonuçlar arasında, Samanyolu'na benzeyen dönen disk galaksilerinin beklenenden çok daha erken ortaya çıkması da vardı. Erken evrenin, birleşme ve parçalanmanın hakim olduğu şiddetli bir yer olduğu düşünülüyordu. Disk galaksilerinin orada olmaması gerekiyordu. Ama vardılar.
Robertson, "Başlangıçta insanlar buna inanmadı," dedi. "Ancak sonuç, bağımsız olarak birçok kez doğrulandı."
Yarım Milyon Galaksinin Haritalandırılması Modern gözlemevleri sadece görüntü üretmekle kalmıyor. Parlaklık, renk, kütle, şekil ve hareket gibi özellikleri tanımlayan büyük veri kümeleri olan kataloglar da üretiyorlar. Her galaksi için yüzlerce değişken.
Ölçümler bir araya getirildiğinde, hangi galaksilerin birbirine benzediğini, hangilerinin benzemediğini ve aykırı değerlerin nerede bulunduğunu gösteren bir tür harita oluşturuyor. Grubun yüksek lisans öğrencisi Anavi Uppal, bu yapıyı görünür kılmak için GalaxyFriends adını verdikleri bir araç geliştirdi.
Sistem, galaksileri tek tek sıralamak yerine, yaklaşık 90.000 tanesini benzerlik bölgelerine ayırarak araştırmacıların veri kümesinde toplu olarak gezinmelerine, ilgili nesneleri bulmalarına, nadir durumları izole etmelerine ve aksi takdirde fark edilmesi yıllar alacak kalıpları görmelerine olanak tanıyor.
Robertson, "Bu, evrende daha önce göremediğimiz yapıları görmemizi sağlıyor," dedi. "Ve bir şeyin daha önce gözlemlediğimiz hiçbir şeye benzemediğini bize söylüyor."
Pratikte, grup bir tür bilgi merkezi haline geldi: ham gözlemleri, dünyanın dört bir yanındaki astrofizikçilerin gerçekten kullanabileceği yapılandırılmış veri kümelerine dönüştürüyor.
Yer Teleskoplarından Atmosferik Bulanıklığı Kaldırma En iddialı araştırmaların bazıları uzaydan gelmeyecek.
Şili'de faaliyete geçecek olan Vera C. Rubin Gözlemevi, her birkaç gecede bir tüm güney gökyüzünü tarayacak. Aynası uzaya fırlatılamayacak kadar büyük olduğundan, görüntüler Dünya atmosferinden geçmek zorunda kalacak ve bu da uzay teleskoplarının kaçındığı bir bulanıklığa yol açacaktır. Tamamen faaliyete geçtiğinde, Rubin her gece yaklaşık 20 terabayt ham veri üretecektir.
Robertson'ın grubu bu durumu düzeltmek için yapay zekayı kullanıyor.
Bu yaklaşım beklenmedik bir yerden ilham alıyor: video oyunlarından. Kavramsal olarak, yapay zekayı kullanarak gerçek zamanlı olarak daha yüksek çözünürlüklü görüntüler oluşturan NVIDIA DLSS teknolojisine benziyor . Ekip, modelleri uzay tabanlı veriler üzerinde eğitiyor, ardından bunları yer tabanlı görüntülere uygulayarak atmosferik bozulmayı ortadan kaldırıyor ve daha ince ayrıntıları geri kazanıyor.
Dünya üzerindeki aynasının atmosferden geçerek gözlem yapması gerektiğinden, görüntüler bozulmaya maruz kalır ve gecede yaklaşık 20 terabayt veri üretir.
Sonuç olarak, Dünya'dan elde edilen görüntüler, uzay teleskoplarının netliğine yaklaşmaya başlıyor. Rubin'in ölçeğinde bu süreç, grafik işlemcilerine (GPU'lara) bağlıdır.
JWST bu sorunu ortaya koyan son araç olmayacak. Rubin'in araştırması, astronominin daha önce ele almadığı bir ölçekte, gökyüzünün tamamını kapsayan sürekli bir veri akışı üretecek.
Diğer gözlemevleri de şimdiden sıraya girmiş durumda; bunlar arasında NASA'nın Nancy Grace Roman Uzay Teleskobu ve daha ileride, yakındaki yıldızların etrafındaki Dünya benzeri ötegezegenleri doğrudan görüntülemek için tasarlanan Yaşanabilir Dünyalar Gözlemevi de bulunuyor.
Astronomik verilerin hacmi ve kalitesi hızla artıyor; bu da Robertson'ın grubunun yaptığı türden çalışmaları bir lüks olmaktan ziyade temel bir gereklilik haline getiriyor.
Gözlemleri Test Etmek İçin Simülasyonların Kullanılması GPU'lar, gözlemleri analiz etmenin yanı sıra evrenin kendisini simüle etmek için de kullanılır. Robertson'ın grubu, kozmik zaman içinde evrimleşen sanal hacimler olan büyük ölçekli simülasyonlar yürütüyor ve bunları teleskop verileriyle karşılaştırıyor.
Gözlemler teoriyi besler. Simülasyonlar onu test eder. Sonuçlar döngü halinde tekrarlanır ve gökbilimcilerin bir sonraki adımda ne arayacaklarını iyileştirir.
Robertson, "Veriler teoriyi besliyor," dedi. "Ve teori de verilerin ne anlama geldiğini anlamamıza yardımcı oluyor."
Robertson'ın asıl amacı astronom olmak değildi. Bir zamanlar yazar olmak istiyordu. NASA bursu onu fiziğe yönlendirdi. Gerisi de kendiliğinden geldi.
Bu geçmiş, erişim konusundaki düşüncelerini şekillendiriyor. Ekibi, evrenin tüm tarihini kapsayan yaklaşık 500.000 galaksiye ait verileri kamuya açık olarak yayınlıyor . Analizde kullanılan aynı görüntüler herkes tarafından indirilebiliyor.
Robertson, "Evren fildişi kulelerinde yaşayan profesörler için değil," dedi. "Herkes içindir."