Framsteg inom området för metrologi har resulterat i helt nya instrument vars rådata måste presenteras i bilder som är begripliga för människor, det är därför Torsten Enßlins grupp vid Max Planck Institute for Astrophysics i Garching har forskat om informationsfältteori det senaste decenniet. Bygger på denna teori, teamet utvecklar bildprogramvara känd som NIFTy, som kan bearbeta data från olika instrument för att härleda de strukturella egenskaperna hos en given observation. NIFTy5, till exempel, använde data från Gaias rymdobservatorium för att bestämma den rumsliga fördelningen av stoftmoln i Vintergatan.

Astronomer gör nu observationer av universum i nästan alla våglängder, men, i motsats till teleskop till exempel, informationen som registreras av radioteleskop levereras i form av röntgenstrålar och gammastrålar. Majoriteten av bilderna från dessa instrument är resultatet av komplexa beräkningar som utvecklats specifikt för varje enskilt teleskop.

Dock, en komplett bild av ett givet himlaobjekt kan bara skapas genom att jämföra data från olika fält, det är därför det är önskvärt att kombinera bilderna från alla dessa instrument.

Detta är möjligt med hjälp av ett koncept som kallas informationsfältteori, som fungerar på följande sätt:förutsatt att man vill avbilda temperaturfördelningen över Tyskland, detta skulle motsvara, i teorin, till ett oändligt stort område av temperaturvärden. Än, rent praktiskt, endast ett ändligt antal värden kan mätas.

En dator beräknar hela temperaturfältet baserat på denna ofullständiga täckning. För att säkerställa ett framgångsrikt resultat, datorn är förberedd med vissa kända lagar – till exempel att temperaturskillnader sällan hoppar mellan närliggande områden.

NIFTy (Numerical Information Field Theory), med vilken Torsten Enßlin och hans kollegor lyckades bestämma den rumsliga fördelningen av stoftmoln i Vintergatan, fungerar på samma princip, med hjälp av data från det europeiska rymdobservatoriet, Gaia, som mäter avstånden mellan stjärnor och registrerar dem genom flera färgfilter.

Den differentiella ljusstyrkan hos dessa filterfält gör det möjligt att uppskatta de stoftvolymer genom vilka stjärnljuset har passerat på väg till jorden. "Från stjärnornas positioner och dammvolymer mellan oss och dem, " säger Enßlin "vi kunde beräkna den rumsliga strukturen av dammmolnen."

Det utmanande med denna uppgift var att den tillgängliga data faktiskt var för liten för en korrekt rekonstruktion, vilket är anledningen till, som Enßlin säger "vi antog att snarare än att variera godtyckligt från pixel till pixel, dammdensiteten skulle lyda statistiska lagar." Fysiker talar om en korrelation, ändå är denna korrelationsfunktion ofta okänd och måste bestämmas som en del av den övergripande beräkningen. "Det är därför, " Max-Planck-forskaren förklarar, "vi kontrollerar kontinuerligt vilken korrelationsfunktion som passar bäst med data genom hela beräkningen och använder den för avbildning. Denna metod för icke-parametrisk självjustering av processen gör oss till de globala ledare inom detta område."

Baserat på korrelationsdata, NIFTy5 genererar inte bara en karta över dammmolnet utan ger också ett diagram som visar graden av osäkerhet för modellens noggrannhet för varje enskild pixel.

Den mänskliga hjärnan fungerar på ett liknande sätt. Om vi ​​ser på något som ett visst landskap, den utvecklar olika hypoteser om strukturen för vad den ser samtidigt som den tillämpar dem som bruksanvisningar – till exempel för att bestämma den bästa vägen genom en viss ort.

Enßlins team använde en artificiellt genererad scen för att bevisa att NIFTy5 verkligen fungerar. Att göra detta, forskarna skapade ett vågfält på datorn baserat på slumpmässiga händelser och prickade det sedan med fragmentariska mätpunkter som bara täckte en del av hela vågsystemet. Programmet rekonstruerade sedan hela vågfältet från data utan förkunskaper om vågdynamiken, en förståelse som den lärde sig.

Dessutom, NIFTy5 har blivit snabbare på grund av ytterligare matematiska innovationer, inklusive implementering av en process som kallas "variationell slutledning med hjälp av metrisk Gauß", vilket kräver mycket mindre minnesutrymme för beräkningen än vad som tidigare var fallet.

"Det här gör inte bara NIFTy5 snabbare än sina föregångare, det klarar sig också med data av sämre kvalitet, " förklarar Enßlin. Detta, han fortsätter med att säga, kan göra det möjligt att minska exponeringen för röntgenstrålar under datortomografi, samtidigt som du behåller samma bildkvalitet.

NIFTy5 har redan använts för att lösa en rad astronomiska bildproblem. Ett planerat samarbete med Münchens tekniska universitet skulle kunna resultera i användningen av den allsidiga mjukvaran i det dagliga livet.