Il telescopio da 4 metri Víctor M. Blanco a Cerro Tololo, in Cile, ha recentemente completato due campagne di osservazione questa primavera e estate durante le quali le sue decisioni di puntamento sono state interamente gestite dall'intelligenza artificiale. Questo segna una pietra miliare nelle operazioni astronomiche, poiché il sistema ha programmato e adattato autonomamente i piani di osservazione in base alle condizioni ambientali in tempo reale, eliminando la tradizionale dipendenza dal giudizio umano. Il progetto, guidato da Alex Drlica-Wagner del Fermilab e dell'Università di Chicago, insieme ad Aravindan Vijayaraghavan al Northwestern, ha sfruttato modelli di deep learning formati su anni di dati del Dark Energy Survey.
Questi modelli non sono stati programmati con regole esplicite, ma hanno invece imparato da osservazioni passate, prevedendo strategie di puntamento ottimali e affinandosi attraverso ripetuti confronti con i risultati reali. Il processo è iniziato con l'addestramento del modello sui dati storici raccolti dalla Dark Energy Camera da 570 megapixel, montata sul telescopio Blanco. Analizzando i modelli nelle osservazioni precedenti, il sistema AI ha sviluppato una comprensione di come fattori come la luce lunare, le condizioni atmosferiche e la copertura nuvolosa influenzano la qualità dei dati astronomici.
Una volta addestrato, il sistema è stato impiegato per supervisionare due campagne di osservazione nel mondo reale, durante le quali controllava i movimenti del telescopio e regolava dinamicamente la sua focalizzazione a seconda dell'evoluzione delle condizioni meteorologiche e luminose. I risultati hanno indicato che l'IA si è comportata in modo comparabile agli esperti umani, un punto di riferimento chiave per la fase iniziale del progetto. Questo risultato è particolarmente tempestivo poiché l'Osservatorio Vera Rubin si prepara ad iniziare le operazioni su larga scala. Una volta pienamente operativo, l'osservatorio genererà enormi quantità di dati, superando di gran lunga la capacità degli attuali sistemi di programmazione manuale.
La capacità dell'IA di analizzare rapidamente e rispondere a nuove scoperte diventerà critica, consentendo ad altri telescopi di reagire quasi in tempo reale alle scoperte fatte dall'Osservatorio Rubin. A differenza degli operatori umani, che sono limitati dalla velocità di risposta e dal carico cognitivo, i sistemi guidati dall'IA possono elaborare e agire sui dati in entrata con maggiore efficienza e coerenza. Il successo del sistema AI sul telescopio Blanco suggerisce potenziali applicazioni oltre la semplice pianificazione. I ricercatori mirano ad espandere le sue capacità incorporando nuove strategie che gli astronomi umani potrebbero trascurare.
Ciò include l'esplorazione di angoli di osservazione non convenzionali, l'ottimizzazione della raccolta di dati in condizioni imprevedibili e persino l'identificazione di fenomeni celesti precedentemente inosservati. Tali progressi potrebbero migliorare significativamente l'output scientifico di indagini su larga scala riducendo al contempo l'onere amministrativo per i ricercatori. La tecnologia utilizzata in questo esperimento fa parte di sforzi più ampi per integrare l'apprendimento automatico nei flussi di lavoro astronomici.
La collaborazione tra istituzioni come Fermilab, l'Università di Chicago e Northwestern sottolinea la natura interdisciplinare della moderna ricerca astrofisica, che combina competenze in informatica, fisica e astronomia osservazionale. Guardando al futuro, il team prevede di perfezionare ulteriormente l'IA, con l'obiettivo di superare le prestazioni umane introducendo approcci innovativi all'acquisizione e all'analisi dei dati.
Questo cambiamento rappresenta un cambiamento fondamentale nel modo in cui viene condotta la ricerca astronomica, spostandosi verso metodi più autonomi e scalabili.
★
Manteniamo le notizie oneste.
ObjectiveNews è finanziato dai lettori e senza pubblicità: ti mostriamo il bias invece di nasconderlo. Sostieni il giornalismo indipendente per 4 €/mese.
Diventa sostenitore
United Kingdom
