Вращение пульсара
Фото: wall.alphacoders.com

Ученые научили нейросеть распознавать сигналы пульсаров 741

5 июня 2018

Российские ученые из ВШЭ научили нейронные сети обрабатывать данные, полученные в ходе наблюдения за пульсарами, и таким образом значительно облегчили трудовые будни астрономам, которые занимались обработкой такой информации вручную. Результаты исследования были опубликованы в Journal of Physics.

Пульсары — это быстровращающиеся нейтронные звезды, которые образуются в результате взрыва сверхновых. Эти объекты обладают очень сильным магнитным полем, которое наклонено к оси вращения, и испускают на Землю радиоизлучение в виде импульсов по осям магнитных полей. Примечательно, что пульсары имеют размер с небольшой город, но их масса в тысячи раз больше нашего Солнца. С Земли они выглядят как непрерывно мигающие звезды — такой эффект достигается за счет их вращения. Поэтому они по праву считаются своеобразными «космическими маяками».

Если излучение пульсара оказывается «в окрестностях» Земли, ученые фиксируют этот момент при помощи наземных телескопов. Расстояние вычисляют следующим образом: когда свет распространяется в плотной среде, он замедляет свою скорость, и длина волны уменьшается. Это очень напоминает классический опыт: если мы берем призму, она раскладывает свет в радужную полоску, при этом коэффициент преломления зависит от длины волны света. Каждая его спектральная составляющая будет преломляться по-разному, то есть будет отклоняться на разный угол от исходного распространения. Спектральные составляющие с меньшей длиной волны будут преломляться больше, а составляющие с большей длиной волны — меньше. То же самое происходит и в радиодиапазоне. На более высокой частоте импульс к нам приходит раньше, на более медленной — позже.

“Где-то на небе вспыхнул на долю секунды какой-то радиоисточник: мы фиксируем пик, если сигнал поступает раз в несколько секунд, это, скорее всего, пульсар”, — говорит один из авторов исследования Владимир Самодуров. — ”Сначала импульс приходит на высокой частоте, потом на более низкой, затем на еще более низкой — как будто на пианино мы играем музыкальную гамму до-ре-ми-фа-соль-ля-си, только в обратной последовательности. И нам остается просмотреть вручную 80 тыс. картинок и попытаться найти те, на которых такой импульс пробежался по гамме с отставанием нижней частоты”.

Как показывает практика, обработка больших объемов астрономических данных, собранных за год, занимает у специалистов порядка шести месяцев, причем, работа с полученной информацией ведется вручную. Чтобы избавить ученых от кропотливого труда, Владимир Самодуров и Александр Горбунов предложили воспользоваться возможностями специально обученных нейронных сетей, которые могут справиться с этой задачей за несколько дней.

Для проверки возможностей нейросетей ученые взяли за основу данные круглосуточного наблюдения BSA LPI (Большой сканирующей антенны Пущинской радиоастрономической обсерватории), собранные в период с 2012 по 2013 годы. Поскольку эту информацию предварительно уже обработали эксперты, легко было понять, насколько искусственный интеллект справился с поставленной задачей.

Распознавание различных классов импульсных явлений проводилось с использованием двух типов нейронных сетей: многослойного персептрона и самоорганизующейся сети Кохонена. Причем, в отличие от многослойного персептрона, который использует алгоритмы обучения с учителем, в сети Кохонена работает механизм самоорганизации. Обработка с помощью сетей позволяет разделять полученные импульсные явления на четыре больших кластера. В итоге, сравнивая результат ручного труда и работу нейронных сетей, можно сказать, что последний способ существенным образом ускоряет процесс классификации новых данных.

“Проведенный экспертный анализ работы нейронной сети Кохонена показал, что в один из кластеров попадают импульсы, имеющие хорошо выраженный космический характер. В два других — шумы (аппаратурные сбои) и импульсы техногенного характера различного рода, в последний кластер — короткие мерцания”, — говорит Александр Горбунов, — “Таким образом эксперт может в режиме реального времени видеть результаты обработки космических данных и заниматься отслеживанием наиболее значимых ситуаций, связанных, например, с возникновением импульсов, характерных пульсарам”.

По итогам проделанной работы исследователи решили, что будут использовать обе нейронные сети — обученную на знаниях эксперта и на сети Кохонена.

Навигация по пульсарам

Использование нейронных сетей для обработки астрономических данных не только облегчит работу астрономам. В будущем эта система может стать частью «космического GPS» — навигации по пульсарам. Сегодня стандартный метод навигации в межпланетном пространстве — это комбинированное использование радиоданных, полученных на станциях слежения на Земле, и оптических данных с бортовой камеры во время встреч с объектами Солнечной системы. Но этот метод далек от совершенства. Даже при использовании атомных часов в космосе сложно добиться большой точности. Погрешности в пределах Солнечной системы составляют до 100, а в районе Плутона до 500 километров. Большей точности можно добиться с помощью пульсаров. Существуют подсчеты, которые утверждают, что «космические маяки» позволяют определить местоположение объекта с погрешностью до 5 километров. Поэтому на данный момент пульсары предлагают самый надежный стандарт времени, известный нам.

“Мы ищем на небе эти быстро вращающиеся пульсары в радиодиапазоне, они двигаются с невероятной точностью”, — объясняет Владимир Самодуров. — “Представьте, что Солнце сжали, утрамбовали до шарика, диаметром 10 км, и заставили вращаться с оборотом несколько раз в секунду. Поскольку масса чудовищная, то пульсар очень стабилен на протяжении сотен тысяч лет, миллионов лет. Правда, он постепенно замедляется, но делает это предсказуемо. И если мы будем смотреть на 100 таких волчков в разных направлениях, мы построим необычайно точную шкалу времени, точнее не бывает”.

Пока что это далекие планы, поскольку сигнал от пульсаров достаточно слабый и его нужно научиться отличать от посторонней информации. А систему для распознавания астрономических данных можно использовать для идентификации астероидов.

“Еще лет 20 назад было известно всего порядка 2 тысяч астероидов. Сейчас их 600-700 тысяч с диаметром от нескольких сотен метров. Да, речь уже о сотнях метров, но ведь нам нужно научиться вылавливать все, условно говоря, класса челябинского метеорита, который был размером 15 метров. Когда мы научимся вылавливать их, лишь тогда будем застрахованы от опасности. Наша нейросеть может в этом помочь”, — подытожил Самодуров.

Нашли ошибку? Пожалуйста, выделите фрагмент текста и нажмите Ctrl+Enter.

Если вы заметили ошибку в тексте, пожалуйста, выделите ее и нажмите Ctrl+Enter

Источник: ВШЭ

Всего комментариев: 0

ДОБАВИТЬ КОММЕНТАРИЙ

Ваш email не будет опубликован.

Сообщить об опечатке

Текст, который будет отправлен нашим редакторам: