Um trio de estudantes da Universidade de Glasgow desenvolveu uma inteligência artificial sofisticada que pode sustentar a próxima fase da astronomia de ondas gravitacionais.

Em um novo artigo publicado hoje na revista Cartas de revisão física , os pesquisadores discutem como eles usaram ferramentas de inteligência artificial para treinar um 'cérebro' de IA para procurar sinais de ondas gravitacionais.

Ondas gravitacionais, ondulações no espaço-tempo causadas por eventos astronômicos massivos, foram levantadas pela primeira vez por Albert Einstein em 1915. Demorou mais um século até que os detectores do Observatório de Ondas Gravitacionais por Interferometria a Laser (LIGO) nos Estados Unidos captassem os sinais muito fracos da colisão de buracos negros binários.

Desde aquela primeira detecção histórica em setembro de 2015, os detectores Advanced LIGO e European VIRGO captaram vários sinais de outros buracos negros binários e um da colisão de estrelas de nêutrons binárias.

Atualmente, sinais de ondas gravitacionais são captados a partir do ruído de fundo dos detectores usando uma técnica conhecida como filtragem combinada, que mede as saídas dos detectores em relação a um banco de formas de onda padrão. Os sinais que correspondem ao formato de uma forma de onda padrão são examinados mais de perto para determinar se eles representam uma detecção de onda gravitacional genuína.

Contudo, o processo requer muito poder de computação. Conforme os detectores são atualizados e sua sensibilidade aos sinais de ondas gravitacionais aumenta, astrônomos esperam que significativamente mais detecções sejam feitas durante cada execução de observação, trazendo consigo um aumento concomitante na capacidade de computação necessária.

Os alunos de pós-graduação em Física e Astronomia da Universidade de Glasgow Hunter Gabbard e Fergus Hayes e o graduando Michael Williams decidiram investigar se o aprendizado profundo, uma forma de inteligência artificial, poderia ajudar a tornar o processo de detecção mais eficiente computacionalmente.

Sob a direção do astrofísico da Universidade de Glasgow, Dr. Christopher Messenger, eles usaram um processo conhecido como aprendizado profundo supervisionado para construir uma inteligência artificial capaz de detectar corretamente os sinais de ondas gravitacionais enterrados no ruído de milhares de conjuntos de dados simulados que eles criaram.

Hunter Gabbard disse:"Algoritmos de aprendizado profundo envolvem matrizes empilhadas de unidades de processamento, que chamamos de neurônios, que atuam como filtros para os dados de entrada. O aprendizado profundo supervisionado nos permite 'ensinar' o sistema por meio de três conjuntos de dados que fornecemos. O primeiro conjunto de dados, o conjunto de treinamento, nos permite garantir que está 'aprendendo' o que queremos. O segundo, o conjunto de validação, nos mostra que está aprendendo da maneira que esperamos. O conjunto final, o conjunto de teste, nos ajuda a quantificar o desempenho do sistema. "

"O que torna esse processo mais rápido e eficiente do que a filtragem combinada é que o conjunto de treinamento é onde toda a atividade computacionalmente intensa ocorre. Depois que o algoritmo de aprendizado profundo aprende o que procurar em um sinal, tem o potencial de ser ordens de magnitude mais rápido do que outros métodos. "

Fergus Hayes acrescentou:"Ao mesmo tempo, também usamos um processo de filtragem combinada padrão para filtrar nossos dados de ondas gravitacionais simuladas, para que pudéssemos comparar a eficácia de nossa abordagem de aprendizado profundo usando uma figura de mérito do processo estatístico chamado curvas características do operador receptor (ROC).

"Com ajuste e treinamento cuidadosos da ferramenta de aprendizado profundo, descobrimos que essas curvas ROC mostraram um desempenho muito semelhante entre nosso novo processo e o processo de filtragem combinada. O que isso sugere é que as redes neurais fornecem um método muito promissor para a busca de sinais de ondas gravitacionais. "

Michael Williams acrescentou:"Embora neste artigo nos concentremos especificamente nas detecções de buracos negros binários, o processo poderia ser facilmente aplicado a outros tipos de sinais de ondas gravitacionais e estamos ansiosos para continuar nossa pesquisa. É uma descoberta emocionante, e sugere um caminho muito promissor para a astronomia de ondas gravitacionais mais intensas, que virá à medida que os detectores se tornarem mais sensíveis. "

O artigo dos pesquisadores, intitulado "Matching match filtering with deep networks for gravitational-wave astronomy, "é publicado em Cartas de revisão física .