Vid kartläggning av universum, det lönar sig att ha lite smart programmering. Experter delar hur maskininlärning förändrar astronomins framtid.

Astronomi är en av de äldsta vetenskaperna och den första vetenskapen som införlivade matematik och geometri. Den sitter i mitten av mänsklighetens sökande efter sin plats i universum.

När vi fördjupar oss djupare i rymden som omger vår planet, verktygen vi använder blir mer komplexa. Astronomer har kommit långt från att spåra natthimlen med blotta ögat eller katalogisera stjärnorna med penna och papper.

Moderna astronomer använder avancerad datorprogrammeringsteknik i sitt arbete - från programmering av satelliter till att lära datorer att analysera data som en forskare.

Så vad gör astronomer med sina datorer?

Mo 'data, problem

Big data är ett stort problem inom astronomi. Nästa generation av radio- och optiska teleskop kommer att kunna kartlägga stora bitar av natthimlen. Square Kilometer Array (SKA) kommer att driva databehandlingen till sina gränser.

Byggd i två faser, SKA kommer att ha över 2000 radiorätter och 2 miljoner lågfrekventa antenner när de är klara. Dessa antenner tillsammans kommer att producera över en exabyte av data varje dag - mer än världens internetanvändning per dag. Uppgifterna behandlas sedan för att bli hanterbara, vilket betyder att storleken på de data som astronomer måste hantera blir mindre.

Projektforskare för australiensiska SKA Pathfinder Dr Aidan Hotan förklarar.

"Data från en radioteleskopmatris är väldigt mycket som flödet av vatten genom ett ekosystem. De enskilda antennerna producerar var och en, som sedan överförs över en bit och kombineras med andra antenner i olika stadier - som mindre bifloder som kombineras till en större flod, säger Aidan.

"Den största datahastigheten du kan tänka på är den totala råeffekten från varje enskild antenn, men i verkligheten, vi sänker den totala hastigheten till mer hanterbara siffror när vi flyter genom systemet. Vi kan kombinera signalerna på sätt som bara behåller den information vi vill ha eller kan använda. "

Medan SKA kommer att vara det största projektet i sitt slag, många moderna teleskop kan samla in data snabbare än människor kan använda den.

Hur man hittar en explosion

SKA kommer att vara ett verktyg som förändrar spelet för astronomer när det är klart. Redan, astronomer förbereder sitt arbete för fas ett av SKA. Att göra detta, de arbetar på sätt att göra sina jobb snabbare och enklare genom att automatisera registrering och bearbetning av data.

Så vilken typ av arbete kan astronomer automatisera?

Dr Gemma Anderson är forskningsassistent vid International Center for Radio Astronomy Research i Perth. Där, hon har programmerat australiensiska radioteleskop för att automatiskt övervaka explosioner i rymden.

"Vi har ett teleskop i rymden utformat för att leta efter explosioner. Rymdteleskopet skickar information tillbaka till jorden, och jag har två av de stora radioteleskopen i Australien inrättade för att ta emot den signalen. När de får signalen, dessa teleskop stoppar vad de gör och försöker observera explosionen så snabbt som möjligt, Säger Gemma.

Gemma använder Swift -observatoriet, som för närvarande kretsar kring jorden, att hitta gammastrålningsutbrott i rymden. Utbrotten är de kortlivade, otroligt energisk biprodukt av döende stjärnor.

Gemma och hennes team har programmerat Australiens Murchison Widefield Array och Australia Telescope Compact Array för att ta emot varningar från Swift och peka på källan till gammastrålningen.

Förr, teleskopdata som denna var tillräckligt liten för att astronomer skulle klara sig själva. Nu, Gemma använder programvara som automatiserar mycket av denna process.

Databehandling är en så stor uppgift att den måste göras på superdatorer. Superdatorer är kraftfulla datorer som ofta kan bearbeta stora mängder data på timmar istället för de månader eller år det skulle ta på en vanlig bärbar dator. Slutprodukten är en bild som Gemma kan använda för forskning utan att behöva bearbeta data själv.

"För de människor som är intresserade av att vara astronom, Det är mycket viktigt att få erfarenhet av datorprogrammering. Vi måste bli bättre på att bearbeta och analysera stora mängder data, Säger Gemma.

Utbildar en robot

Dr Rebecca Lange från Curtin Institute for Computation and Astronomy Data and Computing Services hjälper astronomer att öka sin datorprogrammeringsteknik genom att ge dem utbildning.

"Jag tror att astronomer måste börja arbeta mer med mjukvaruutvecklare. Under mellantiden, fastän, astronomer kommer att bli bättre på att beräkna. Saker som programmering måste bli en del av utbildningen. Inte bara för astronomer, det är viktigt för alla som gör vetenskap nu, Säger Rebecca.

Bland de tekniker som Rebecca utbildar astronomer i är maskininlärning. Oroa dig inte, det är inte den typen av inlärning som leder till ett robotuppror.

"Användningen av maskininlärning innebär vanligtvis en automatisk sökning genom en enorm bildfil, letar efter det vi kallar källor - föremålen i rymden som avger naturliga radiosignaler. Dessa källor framstår som ljuspunkter mot en mörk bakgrund, säger Aidan.

"Eftersom det mesta av utrymmet är tomt, att använda en smart källsökare gör det mycket lättare för forskare att räkna ut var de intressanta bitarna är. Dock, denna källsökare måste vara tillräckligt smart för att klassificera ett stort antal olika typer av objekt, inklusive saker som mänskliga ögon aldrig tidigare har sett. "

One source might be a galaxy that is spiral shaped, while another might be elliptical. The machine-learning program learns to sort similar images into those labels through a series of steps. These steps are a basic emulation of how human brains recognise patterns. Getting computers to do this gives astronomers useful information out of raw data.

"Machine learning is getting picked up because we now have the amount of data needed. When you're doing supervised learning, you need a lot of data to train on. If you look at galaxy classification, we have done so many already that we have a great training sample for machine learning, " Rebecca says.

She thinks automation and machine learning will give astronomers more time to focus on their science rather than analysing their data. She also says designing these programs will be the job given to next-generation astronomers in their early career.

"Astronomers are still getting used to machine learning. They're still experimenting:what algorithm works best, what kind of machine learning techniques are most useful to apply, " hon säger.

"Right now, it's a great entry point for Ph.D. students to develop code. The industry needs it, and it saves them having to sort the data themselves."

They will reach deeper into the universe and find old galaxies from the beginning of time. They will map hidden worlds, distant suns and the strangest, most destructive forces in existence. Perhaps they will even find new life.

These computer programs will work like a funnel. They will sort through massive amounts of raw data to find astronomers valuable information. A long way from our analogue past, computers are helping us uncover the secrets of our universe—perhaps even, en dag, understanding of our place within it.

Denna artikel publicerades först på Particle, en vetenskapsnyhetswebbplats baserad på Scitech, Perth, Australien. Läs originalartikeln.