Jaringan Syaraf Belajar Mengelola Teleskop Lebih Efisien daripada Manusia

Para peneliti dari Northwestern University, University of Chicago, dan Fermilab National Accelerator Laboratory telah mengembangkan dan menguji sistem deep learning yang menghitung dan menyesuaikan jadwal pengamatan astronomi secara real-time berdasarkan cuaca dan fase bulan. Algoritma ini diterapkan di dalam kerangka kerja SkAI (Institute for Artificial Intelligence for the Sky) pada teleskop 4 meter Victor Blanco di Cerro Tololo Inter-American Observatory di Chili. Sebelumnya, para operator harus secara manual memperhitungkan transparansi atmosfer dan cahaya bulan untuk menghindari pencahayaan berlebih pada bingkai, dan jika terjadi kesalahan, sesi ulang dapat tertunda hingga berbulan-bulan karena adanya persaingan untuk mendapatkan waktu pengamatan. Alih-alih menggunakan aturan klasik, para pengembang memanfaatkan reinforcement learning, melatih jaringan saraf pada data dari proyek Dark Energy Survey. Model tersebut menganalisis tindakan manusia dan mencocokkannya dengan catatan cuaca arsip. Dalam dua uji coba pada kamera DECam, algoritma menunjukkan efektivitas yang sebanding dengan para ilmuwan yang berkualifikasi. Para penulis berencana untuk memodifikasi kode tersebut agar sistem dapat mencari lintasan pengamatan yang tidak standar yang diabaikan manusia karena bias kognitif. Otomatisasi ini akan membebaskan waktu para astronom untuk menganalisis penemuan dan membantu mengalokasikan sumber daya observatorium masa depan secara efisien, termasuk Observatorium Vera Rubin.