Ny softwareapplikation bruger kunstig intelligens til at beregne virkelighedsbilleder baseret på ufuldstændige data

Fremskridt inden for metrologi har resulteret i helt nye instrumenter, hvis rådata skal præsenteres i billeder, der er forståelige for mennesker, derfor har Torsten Enßlins gruppe ved Max Planck Institute for Astrophysics in Garching forsket i informationsfeltteori i det sidste årti. Med udgangspunkt i denne teori, teamet udvikler billeddannelsessoftware kendt som NIFTy, som er i stand til at behandle data fra forskellige instrumenter for at udlede de strukturelle egenskaber ved en given observation. NIFTy5, for eksempel, brugte data fra Gaia -rumobservatoriet til at bestemme den rumlige fordeling af støvskyer i Mælkevejen.

Astronomer foretager nu observationer af universet i næsten alle bølgelængder, men, i modsætning til teleskoper f.eks. informationerne registreret af radioteleskoper leveres i form af røntgenstråler og gammastråler. Størstedelen af ​​billederne fra disse instrumenter er resultatet af komplekse beregninger, der er udviklet specifikt for hvert enkelt teleskop.

Imidlertid, et komplet billede af et givet himmelobjekt kan kun oprettes ved at sammenligne data fra forskellige felter, derfor er det ønskeligt at kombinere billederne fra alle disse instrumenter.

Dette er muligt ved hjælp af et koncept kendt som informationsfeltteori, der fungerer på følgende måde:forudsat at man ønsker at skildre temperaturfordelingen over Tyskland, dette ville svare, i teorien, til et uendeligt stort område af temperaturværdier. Endnu, rent praktisk, kun et begrænset antal værdier kan måles.

En computer beregner hele temperaturfeltet baseret på denne ufuldstændige dækning. For at sikre et vellykket resultat, computeren er primet med visse kendte love - for eksempel at temperaturforskelle sjældent springer mellem tilstødende områder.

NIFTy (numerisk informationsfeltteori), hvormed det lykkedes Torsten Enßlin og hans kolleger at bestemme den rumlige fordeling af støvskyer i Mælkevejen, fungerer efter samme princip, ved hjælp af data fra det europæiske rumobservatorium, Gaia, som måler afstandene mellem stjerner og registrerer dem gennem flere farvefiltre.

Differentiel lysstyrke i disse filterfelter gør det muligt at estimere de støvmængder, hvormed stjernelyset er passeret undervejs til jorden. "Fra stjernernes positioner og støvmængder mellem os og dem, "siger Enßlin" vi var i stand til at beregne støvskyernes rumlige struktur. "

Det udfordrende ved denne opgave var, at de tilgængelige data faktisk var for knappe til en nøjagtig rekonstruktion, det er derfor, som Enßlin siger "antog vi, at i stedet for at variere vilkårligt fra pixel til pixel, støvtætheden ville adlyde statistiske love. "Fysikere taler om en sammenhæng, alligevel er denne korrelationsfunktion ofte ukendt og skal bestemmes som en del af den samlede beregning. "Derfor, "forklarer Max-Planck-forskeren, "vi kontrollerer løbende, hvilken korrelationsfunktion, der passer bedst til dataene i hele beregningen og bruger den til billeddannelse. Denne metode til ikke-parametrisk selvjustering af processen gør os til de globale ledere på dette område."

Baseret på korrelationsdata, NIFTy5 genererer ikke kun et kort over støvskyen, men giver også et diagram, der viser graden af ​​usikkerhed om nøjagtigheden af ​​modellen for hver enkelt pixel.

Den menneskelige hjerne fungerer på en lignende måde. Hvis vi ser på noget som et bestemt landskab, den udvikler forskellige hypoteser om strukturen af ​​det, den ser, samtidig med at den anvendes som betjeningsvejledning - for eksempel til at beslutte den bedste rute gennem en given lokalitet.

Enßlins team brugte en kunstigt frembragt scene til at bevise, at NIFTy5 virkelig virker. At gøre dette, forskerne skabte et bølgefelt på computeren baseret på tilfældige hændelser og spredte det derefter med fragmentariske målepunkter, der kun dækkede en del af hele bølgesystemet. Programmet rekonstruerede derefter hele bølgefeltet ud fra dataene uden forudgående kendskab til bølgedynamikken, en forståelse, som den lærte.

Ud over, NIFTy5 er blevet hurtigere på grund af yderligere matematiske innovationer, herunder implementering af en proces, der er kendt som "variation inference by metric Gauß", hvilket kræver langt mindre hukommelsesplads til beregningen end tidligere var tilfældet.

"Ikke alene gør dette NIFTy5 hurtigere end dets forløbere, det klarer sig også med data af dårligere kvalitet, "Enßlin forklarer. Dette, han siger videre, kan gøre det muligt at reducere eksponeringen for røntgenstråler under computertomografi, samtidig med at den samme billedkvalitet bevares.

NIFTy5 er allerede blevet brugt til at løse en række astronomiske billeddannelsesproblemer. Et planlagt samarbejde med det tekniske universitet i München kan resultere i brug af den alsidige software i dagligdagen.