>> 自然の科学 >  >> 天文学

天体の洪水に備える


これは悪いことから良いことを引き出す物語です、とマリオ・ジュリッチは言いました。ユーゴスラビアの少年時代、彼は祖父が所有していた入門用の物理学の本をページをめくっていました。彼は、星にはさまざまな色があり、これらの色がさまざまな温度を表していることを知りました。そこで、中学 2 年生のサイエンス フェア プロジェクトで、Jurić はそのスペクトル光を捉えたいと考えました。彼の先生は彼にプリズムを貸した。ユリッチは、段ボールのトイレットペーパーのチューブとダクトテープを使って、そのプリズムを昔ながらのカメラに接続しました。彼は、シャッターを数分間開いたままにして、星の光をプリズムに通し、その広がる光をフィルムに捉える計画を立てました。

しかし、彼が住んでいたザグレブには、約100万人が住んでいました。通常の状況では、街の光害が彼の測定値を圧倒するでしょう。しかし、ユーゴスラビアの崩壊に伴う残忍な戦争の間、ジュリッチは中学生でした。 「爆撃の場合には停電がありました」と彼は言いました。 「だから街全体が暗かった。振り返ってみると、父は私が裏庭に出て機材をセットアップし、実際に空の写真を撮らせてくれたので、非常に寛大でした。」彼の科学プロジェクトはうまくいき、星の研究を続ける自信を彼に与えました.

良いことは悪いことから生まれることがある、と彼は私たちの会話の中で何度か言いました。高校では、地元の 40 cm 望遠鏡を小惑星発見マシンに変えました。彼はソフトウェアを書き、彼の友人はハードウェアに取り組みました。 2002 年、プリンストン大学の物理学の大学院に通い、天文学をきっかけに渡米しました。そして現在、シアトルのワシントン大学の教授として、広視野望遠鏡である大型シノプティック サーベイ テレスコープ (LSST) から間もなく流入する膨大な量のデータを管理する方法を見つけることに多くの時間を費やしています。世界最大の32億画素カメラを搭載。この望遠鏡は、1 晩に約 20 テラバイトのデータを生成すると予想されます。

量子 データのうねりが天文学者であることの意味をどのように変えているかについて、ジュリッチと話しました。会話の編集および要約版が続きます。



データの増加は天文学をどのように変えていますか?

本質的に、古代ギリシャ以来の最大の課題は、データの収集でした。天文学は常にデータに制限のある科学でした。典型的な調査では、何億もの星に関する情報が生成され、それらの観測が繰り返されます。そして LSST を使用すると、約 400 億個のオブジェクトを観測する体制に入ります。以前は非常に情報が限られていた科学分野に、突如として大量のデータが流入します。理論や宇宙の理解の基礎となる数百のオブジェクトを持つ代わりに、私たちは今、数億のオブジェクトを扱っています。膨大な量のデータが途方もなく増加しました。もちろん、それは処理に課題をもたらします。

次に、それらを理論の構築や推論に役立つものに変える方法を考え出さなければなりません。コンピューターに何をしてもらう必要があるか、または測定してもらう必要があることをコードで表現できない場合、収集したデータを、理論を推論するために使用できる形式に実際に変換する方法がありません。 .

計算とプログラミングが非常に重要になったということですか?

それについて私が考える方法は、物理学が哲学から分岐したとき、違いを生んだのは数学の導入であり、論理を一連の方程式に書き留める能力と、あなたを連れて行くことがわかっている厳密な規則であるということです。点 A から点 B への一貫した方法。物理学で次のステップを踏むには、実際にそのようにしなければならないという認識です。その時点で、物理学は数学にリンクされました。数学は物理学の言語です。

私たちは今、似たようなことを経験しています。私たちは、これらのビッグ データ セットについて、ソフトウェア エンジニアリングでも同じことをしなければならないという点に到達しています。私たちの周りの世界について推測するためだけに話す必要がある言語になりつつあります。私が今感じているのは、私たちは自然科学の発展における別の変曲点にいるということです.プログラミングは、科学を成し遂げるために数学を行う能力と同じくらい重要になってきています.



その膨大な量のデータを有用なものに変換するにはどうすればよいですか?

私たちは今、手動で非常に注意深く行っていたあらゆる種類の測定をコンピューターに教える方法を学び始めなければなりません.画像を見て「ほら、銀河がある」と言うのと同じくらい簡単なことですが、コンピューターにはまったくわかりません。そのため、私たちはそれを行う方法を理解するのに数十年を費やしてきました.天体画像を見て、すべてのオブジェクトを正しく識別し、人間の助けを借りずにすべてのオブジェクトを適切に測定するようにコンピューターに教える方法。この分野は、コンピュータがそれらのデータを処理してカタログを提供できるようになった領域に移行したと思います.

このビッグデータの進化における次のステップは、コンピューターに画像の出力を取得し、それらすべてのカタログを調べて、興味深いもののリストを見つけ、それらがどれほど興味深いかという観点からランク付けすることです.

例は?

天体物理学の多くの分野では、物体は明るさなどを変えることがありますが、動きません。しかし、太陽系の天体は移動するため、太陽系は独特です。したがって、文字どおり点をつなぐアルゴリズムを考え出す必要があります。空を撮影して小惑星を見つけると、それは星のように見えます。少し後に戻ってきて、別の画像を撮ると、それが動いたことに気付くでしょう。現在、LSST を使用すると、黄道上のすべての画像に 5,000 個ほどの小惑星が表示されます。これは一晩で数百万に換算されます。毎晩 100 万のポイントがあり、それらすべてが移動します。したがって、私が今集中しているのは、点をつなぐアルゴリズムを適切に構築する方法を確実に理解することです.

自分が知らないものをどうやって見つけますか そこに行くことを知っていますか?そのことをアルゴリズムにプログラムしていない場合、その発見は失われますか?

それが恐怖の一つです。アルゴリズムがどのように構築されているかによって異なります。私たちは、今日の知識に基づいて、持つべきではないプロパティを持つオブジェクトに対してこれがどのように動作するかについて真剣に考えています。これらすべてのオブジェクトをキャッチするために、アルゴリズムを可能な限り広くしようとしています。また、アルゴリズムがどこでブラインドになっているのかを理解しようとしています。



天文学とコンピュータ サイエンスの交差点に対するあなた自身の関心はどこから来ていますか?

私は、コンピューター サイエンスと天文学のどちらをやりたいかを決して決められなかった人の 1 人です。コンピューターは境界のない創造物であるため、これらの素晴らしいものです。コードを書くことは、何かを構築するようなもので、そのコンピューターに新しい世界を構築するようなものです。ほとんどアーティスティックです。それはとても魅力的でしたが、一方で私は世界を理解したいと思っていました。だから私はコインを投げて物理学をやった。私が博士号を取得したプリンストンに着いたとき、Sloan Digital Sky Survey は始まったばかりでした。 「うわー、膨大な量のデータがあり、人々はそれらのデータを理解するのに苦労していた」と思いました。その時点で、自分の夢が叶ったことに気づきました。この種の環境では両方が必要になるため、コンピューター関連または天文学関連のどちらを行うかを決定する必要はもうありません。

あなたの天体物理学の仕事はすべて、アルゴリズムやコンピューター プログラミングに関連していますか?

それは目的を達成するための手段だと言えます。私はアルゴリズム自体に多くの時間を費やしていますが、実際に興味深い結果を見つけるためにそれらを使用するのが好きです.私は天文学の問題に答えることに駆り立てられていますが、次の人が私が行ったことに基づいて構築できるような方法でそれを行うようにしたいと考えています.

Sloan Digital Sky Survey について言及されましたね。 LSST はその上にどのように構築されますか?

Sloan は、イメージングに関して、その歴史全体で合計約 10 から 20 テラバイトを生成したと思います。 LSST は一晩でそれを行います。天体の数で言えば、スローンは 5 億個の星のオーダーで、[観測された] 1 回です。 LSST を使用すると、約 200 億個の星になり、すべての星が 825 回見られる可能性があります。時間領域を見ていきます。すごいボリュームです。もう 1 つの問題は、私が問題を言うときはいつでも、それを機会と考えてください.LSST は、すべてのオブジェクトについて何十もの、場合によっては何百ものことを測定することになるということです.

2000 年代に、天文学のこの部分を行うために別の望遠鏡を構築する代わりに、この部分のための別の望遠鏡を構築する代わりに、私たちがやろうとしているのは望遠鏡を構築することであるという認識がありました。 望遠鏡、本質的にこの空をダウンロードします。これらのデータを処理して、太陽系の科学者が太陽系の天体に集中できるようにする必要があり、暗黒エネルギーの専門家は弱いレンズ効果マップを作成します。データ処理は LSST にとって大きなものになりました。これは、私が担当したデータ システムが、望遠鏡自体やカメラと同じくらい高価で大きい、天文学ではまれなプロジェクトの 1 つです。

まだ触れていませんが、天文学の測定において絶対的に重要なのが統計です。

収集すべきすべてのデータを収集したら、あとはそれをさらに分析するだけです。私たちは測定を行いますが、どのような仮説について測定値が何を伝えているかをどうやって知るのでしょうか?モデルに適合させるために、テストを実行できる統計的方法があります。統計学とは、とりわけ、データから知識を抽出し、与えられたデータから知識を定量化することです。私たちは [統計] を非常に規範的に使用しています。これは統計クックブックです。材料を見て、正しいルール、正しいレシピを選ばなければなりません。特定の基準を満たす必要があるデータセットがあり、そのルールを適用すると、良いことが起こります。私たちは、測定できるほぼすべてのものを測定するところまで来ています。前進する唯一の方法は、データ分析を正しく行うことです。これは、近似を行うことができなくなったためです。統計はつまらないと思われがちですが、ひとたび統計が何であるかを理解すれば、データから知識を発見する科学の基本要素になります。

このビッグデータの進化は、天文学だけのものではありませんよね?

素粒子物理学者はそれをもう少し長く扱ってきましたが、おそらく私たちより 5 年から 10 年先を行っています。海洋学は現在、同じ領域に入りつつあります。エコロジーは同じ領域に入りつつあります。科学を行うためだけに知っておく必要がある基本的なツールが変化しています。



  1. プラネット・ナインはアブセンシアで裁判にかけられる
  2. 初めて発見されたブラックホールの合体
  3. ブラック ホールは赤い手でキャッチ:天文学者は、光の 30% の速度でブラック ホールに落下する物質を観察します。
  4. 信じられないほどの単一画像でキャプチャされた超新星になる星のタイムライン
  5. アルファケンタウリが居住可能かどうかを確認するためだけに建設されている宇宙望遠鏡
  6. Farout:太陽系でこれまでに観測された中で最も遠い天体を発見しました