Դիտակների նոր սերունդը աստղագետներին հնարավորություն կտա դիտարկելու միլիարդավոր տիեզերական օբյեկտներ և ստանալու տվյալների այնպիսի ծավալներ, որոնք անհնար է մշակել ավանդական եղանակներով։ Արհեստական բանականությունը (ԱԲ) և մեքենայական ուսուցումը կդառնան անհրաժեշտ գործիքներ այդ զանգվածների վերլուծության, հազվագյուտ երևույթների որոնման և այնպիսի օբյեկտների հայտնաբերման համար, որոնք կարող են վրիպել մարդու աչքից։ Այս մասին Երևանում «Silicon Mountains 2026» համաժողովի ելույթի ժամանակ հայտարարել է STARMUS գիտության և արվեստի միջազգային փառատոնի համահիմնադիր և գեղարվեստական ղեկավար Գարիկ Իսրայելյանը։

Նա ներկայացրել է ժամանակակից աստղաֆիզիկայի զարգացման հեռանկարները և բացատրել, թե ինչու է աստղագիտության տեխնոլոգիական հեղափոխությունն ուղղակիորեն կապված կիսահաղորդիչների, սենսորների, հաշվողական համակարգերի և արհեստական բանականության զարգացման հետ։

Աստղադիտակները կստեղծեն տվյալների աննախադեպ ծավալ

Իսրայելյանի խոսքով՝ աստղագիտությունը միշտ եղել է գիտություն, որի զարգացումն ուղղակիորեն կախված է տեխնոլոգիաներից։ Կիսահաղորդիչների ոլորտում ժամանակակից ձեռքբերումները թույլ են տվել ստեղծել բարձր զգայունության դետեկտորներ, տեսախցիկների հսկայական մատրիցաներ, ինֆրակարմիր սենսորներ և էլեկտրոնային համակարգեր, որոնք ընդունակ են ֆիքսել տիեզերքից եկող չափազանց թույլ ազդանշանները։

Հաջորդ փուլը կապված է նոր, մասշտաբային աստղադիտարանների շահագործման հետ։ Ամենանշանակալի նախագծերից նա առանձնացրել է Չիլիում կառուցվող 39 մետր տրամագծով հայելիով Extremely Large Telescope (ELT) տելեսկոպը, Հարավային Աֆրիկայում Square Kilometre Array (SKA) ռադիոտելեսկոպը, ինչպես նաև Վերա Ռուբինի աստղադիտարանը, որն արդեն նոր հնարավորություններ է բացել երկնքի համակարգված դիտարկման համար։

Առանձնահատուկ նշանակություն Իսրայելյանը տալիս է հենց Վերա Ռուբինի աստղադիտարանին և հարավային երկնքի նրա տասնամյա ուսումնասիրությանը՝ Legacy Survey of Space and Time (LSST) նախագծին։ Տելեսկոպը զինված է տեսադաշտի հսկայական մակերես ունեցող տեսախցիկով և կարող է կանոնավոր կերպով դիտարկել գրեթե ողջ հարավային երկինքը։ Գիտնականի գնահատմամբ՝ տասը տարվա ընթացքում յուրաքանչյուր օբյեկտ կֆիքսվի շուրջ 800 անգամ, իսկ դիտարկվող օբյեկտների ընդհանուր թիվը կհասնի 37 միլիարդի։

Ստացվող տվյալների մասշտաբը կլինի աննախադեպ. Իսրայելյանի ներկայացրած գնահատականներով՝ աստղադիտարանը մեկ գիշերում կստանա մոտ 15–20 տերաբայթ տվյալ և կգեներացնի մինչև 10 միլիոն ծանուցում նոր կամ փոփոխվող օբյեկտների մասին։ Դրանց թվում կլինեն գերնոր աստղեր, աստերոիդներ, կարճատև աստղագիտական երևույթներ և այլ օբյեկտներ, որոնց բնույթը դեռ պետք է պարզվի։

Համեմատության համար՝ դասախոսը նշեց, որ դիտարկումների երեք տարվա ընթացքում LSST-ն կհավաքի տվյալների այնպիսի ծավալ, որը համադրելի է ամբողջ համացանցի բովանդակության հետ։ Դիտարկումների նման մասշտաբն ունի նաև գործնական կարևոր նշանակություն. այն կարող է էապես փոխել պոտենցիալ վտանգավոր տիեզերական օբյեկտների հայտնաբերման հնարավորությունները։ Աստերոիդների և այլ փոքր մարմինների բազմակի ֆիքսման շնորհիվ գիտնականները կկարողանան զգալիորեն ընդլայնել դրանց կատալոգը և ավելի ճշգրիտ հաշվարկել ուղեծրերը։

Իսրայելյանը բերեց մոտ 50–60 մետր չափսեր ունեցող օբյեկտների օրինակը։ Նրա խոսքով՝ դիտողական հնարավորությունների զարգացումը թույլ կտա ապագայում հաշվարկել նման մարմինների հետագիծը և որոշել Երկրի հետ դրանց բախման հավանականությունը հնարավոր իրադարձությունից 4-5 ամիս առաջ։

Արհեստական բանականությունը կօգնի գտնել այն, ինչ չի տեսնում մարդը

Այնուամենայնիվ, տելեսկոպների նոր սերնդի առաջադրած գլխավոր մարտահրավերը ոչ միայն տվյալների ստացումն է, այլև դրանց վերլուծությունը։ Իսրայելյանը նշեց, որ տիեզերքի նույնիսկ փոքր հատվածի պատկերը կարող է պարունակել հազարավոր գալակտիկաներ, աստղեր, միգամածություններ և այլ օբյեկտներ։ Ամեն գիշեր միլիոնավոր նոր դիտարկումների պարագայում այդպիսի զանգվածների տեսողական վերլուծությունը դառնում է գրեթե անհնար։

Ուստի մեքենայական ուսուցումն անհրաժեշտ է օբյեկտների ավտոմատ դասակարգման, գալակտիկաների ձևաբանության (մորֆոլոգիայի) ուսումնասիրման, արտասովոր կառուցվածքների բացահայտման և հազվագյուտ աստղագիտական իրադարձությունների որոնման համար։ ԱԲ-ի ավելի լայն հնարավորություններ են բացվում սպեկտրոսկոպիայում՝ աստղերի ճառագայթման սպեկտրների ուսումնասիրության մեջ, որոնք թույլ են տալիս որոշել դրանց քիմիական կազմը, ֆիզիկական բնութագրերը և տարիքը։

Իսրայելյանը բերեց սեփական հետազոտական օրինակը։ Մեկ տարվա ընթացքում նա վերլուծել է մեկ սպեկտրալ գիծ՝ աստղում լիթիում-6 իզոտոպի առկայությունը հաստատելու համար։ Այս իզոտոպը չափազանց անկայուն է և քայքայվում է մոտ 2–2,2 միլիոն աստիճան ջերմաստիճանում, մինչդեռ լիթիում-7-ի համար համապատասխան շեմը կազմում է մոտ 2,5 միլիոն աստիճան։ Կոնկրետ աստղում լիթիում-6-ի հայտնաբերումը գիտնականին թույլ տվեց հանգել այն եզրակացության, որ ամենահավանական բացատրությունը աստղի բախումն էր զանգվածեղ մոլորակի հետ։ Իսրայելյանի խոսքով՝ այսօր նույն առաջադրանքը՝ մեքենայական ուսուցման կիրառմամբ, կարելի է կատարել վայրկյանների ընթացքում. սովորեցնել համակարգին ճանաչել համապատասխան սպեկտրալ նշանները և համեմատել միլիոնավոր աստղային սպեկտրներ։

ԱԲ-ն կարող է արագացնել նաև ծանր քիմիական տարրերի՝ օսմիումի, թորիումի, ուրանի և տրանսուրանային տարրերի հայտնաբերման հետ կապված հետազոտությունները։ Ավելին, ըստ Իսրայելյանի, դրանց իզոտոպային հարաբերակցությունը թույլ կտա գնահատել աստղերի տարիքը։ Այսպիսով, նման դիտարկումները կարող են օգնել որոշել առանձին օբյեկտների տարիքը այնպիսի ճշգրտությամբ, որն անհասանելի է ավելի պարզ մեթոդների կիրառման դեպքում։

Միևնույն ժամանակ, գիտնականը ուշադրություն հրավիրեց տվյալների նախապատրաստման խնդրին։ Աստղագիտության մեջ գոյություն ունեն դիտարկումների հսկայական արխիվներ և սպեկտրոսկոպիկ ակնարկներ, որոնք պարունակում են միլիոնավոր աստղային սպեկտրներ։ Սակայն հետազոտողների ժամանակի զգալի մասը ծախսվում է ոչ թե բուն վերլուծության, այլ տվյալների զանգվածների մաքրման, տրամաչափման (կալիբրման) և կազմակերպման վրա։ Հենց այստեղ մեքենայական ուսուցումն ունակ է էապես արագացնել աշխատանքը՝ ավտոմատ կերպով հայտնաբերել և դասակարգել օբյեկտները, համադրել դիտարկումները և գտնել տվյալների մեջ օրինաչափություններ, որոնք անհնար է մշակել ձեռքով։

Կարելի՞ է արդյոք աստղի սպեկտրով հայտնաբերել արտաերկրային քաղաքակրթության նշաններ

Արհեստական բանականության կիրառման ամենաարտասովոր ուղղություններից մեկը Իսրայելյանն անվանեց հնարավոր տեխնոսիգնատուրաների՝ այլ աստղային համակարգերում արհեստական գործունեության նշանների որոնումը։ Գիտնականը հիշեցրեց, որ աստղագետներն արդեն հայտնաբերում են Արեգակնային համակարգից դուրս գտնվող մոլորակներ (էկզոմոլորակներ), այդ թվում՝ պոտենցիալ բնակելի գոտիներում տեղակայված։ Որոշ դեպքերում հետազոտողներին հաջողվում է ուսումնասիրել նույնիսկ դրանց մթնոլորտի սպեկտրալ բնութագրերը։

Սակայն արտաերկրային կյանքի որոնումը կարող է չսահմանափակվել ջրի կամ օրգանիզմների գոյության համար պոտենցիալ հարմար այլ պայմանների հայտնաբերմամբ։ Իսրայելյանն առաջարկեց դիտարկել նաև աստղերի սպեկտրներում արհեստական քիմիական հետքերի որոնման հնարավորությունը։

Որպես հիպոթետիկ օրինակ նա բերեց տեխնեցիումը՝ կարճ կյանքի տևողություն ունեցող ռադիոակտիվ տարր, որը, նրա բացատրությամբ, չպետք է առկա լինի աստղային սպեկտրներում բնական սովորական գործընթացների հետևանքով։ Եթե աստղի սպեկտրում հայտնաբերվեին համապատասխան գծեր, դա կարող էր նշան լինել նյութի արհեստական ծագման մասին։

Իսրայելյանն առաջարկեց մի մտային փորձ. քաղաքակրթությունը, ցանկանալով տեղեկացնել իր գոյության մասին Տիեզերքի այլ բնակիչներին, կարող էր միջուկային ռեակտորներում սինթեզել ռադիոակտիվ իզոտոպներ և դրանք արհեստականորեն ներմուծել իր աստղի մթնոլորտ։ Այդ դեպքում դիտորդները, ուսումնասիրելով դրա սպեկտրը, կարող էին հայտնաբերել արտասովոր գծեր, որոնք չեն բացատրվում բնական գործընթացներով։

Անշուշտ, խոսքը հիպոթետիկ սցենարի, այլ ոչ թե արտաերկրային քաղաքակրթության հայտնաբերման ապացուցված եղանակի մասին է։ Բայց հենց նման առաջադրանքները, կարծում է Իսրայելյանը, կարող են հասանելի դառնալ ԱԲ-ի շնորհիվ։

Եթե հետազոտողները ստանան հարյուր միլիոնավոր աստղերի սպեկտրներ, արհեստական բանականությունը կկարողանա դրանցում փնտրել արտասովոր և չափազանց հազվագյուտ նշաններ՝ նախապես մաքրելով և տրամաչափելով տվյալները։ Յուրաքանչյուր հիպոթեզ ձեռքով ստուգելու փոխարեն գիտնականը կկարողանա համակարգի առջև խնդիր դնել՝ գտնել բոլոր անոմալ սպեկտրալ բնութագրերը, որոնք արժանի են հետագա ուսումնասիրության։

Նրա կարծիքով՝ հենց անոմալիաների որոնման գործում ԱԲ-ն կարող է արդյունավետ լինել. այն ընդունակ է հայտնաբերելու հազվագյուտ երևույթներ, գրավիտացիոն ոսպնյակներ, կարճատև իրադարձություններ և այլ օբյեկտներ, որոնք մարդը կարող էր բաց թողնել տվյալների հսկայական զանգվածների վերլուծության ժամանակ։

Հաջորդ հայտնագործությունը կարող է անել արհեստական բանականությունը

Իսրայելյանը համոզված է, որ առանց մեքենայական ուսուցման և արհեստական բանականության ժամանակակից աստղաֆիզիկան չի կարող լիարժեքորեն օգտագործել տելեսկոպների նոր սերնդի հնարավորությունները։ Նա նաև կարծում է, որ հետազոտությունների հետագա զարգացումը կպահանջի ավելի հզոր հաշվողական համակարգեր, այդ թվում՝ քվանտային համակարգիչներ։

Ընդ որում, ԱԲ-ի ներդրումը կարող է փոխել ոչ միայն գիտական աշխատանքի արագությունը, այլև բուն պատկերացումը հայտնագործությունների հեղինակության մասին։ Եթե արտասովոր երևույթը հայտնաբերվի ալգորիթմի կողմից միլիարդավոր օբյեկտների վերլուծության ընթացքում, հարց կառաջանա՝ ում է պատկանում հայտնագործությունը՝ համակարգը մշակած հետազոտողի՞ն, ծրագրային ապահովման ստեղծողների՞ն, թե՞ տվյալների բազային։ «Հաջորդ մեծ հայտնագործությունը կարող է սկսվել միկրոսխեմայի վրա», - նշեց գիտնականը։

Նրա կարծիքով՝ արհեստական բանականությունն արդեն դարձել է գիտության և տեխնոլոգիաների հիմնարար գործիք, իսկ հետազոտական գործունեության մեջ դրա օգտակարության մասին քննարկումները չպետք է ստվերեն այս գործիքների ակնհայտ հնարավորությունները։ «Թերևս ամենահուզիչ հայտնագործությունն այն է, որը մենք դեռ չգիտենք անգամ ինչպես փնտրել։ Եվ այն կարող է արվել ԱԲ-ի օգնությամբ», - եզրափակեց Իսրայելյանը։