ニューラルネットワークが人間より効率的に望遠鏡を操作できるように

ノースウェスタン大学、シカゴ大学、フェルミ国立加速器研究所の専門家たちは、天候や月の位相に応じて天文観測のスケジュールをリアルタイムで計算し調整する深層学習システムを開発し、テストしました。このアルゴリズムは、スカイ人工知能研究所（SkAI）の枠組みの中で、チリのセロ・トロロ汎米天文台にあるビクトル・ブランコ4メートル望遠鏡に配備されました。以前は、オペレーターが大気の透明度や月明かりを手動で考慮してフレームの露光過多を避ける必要があり、エラーが発生すると、観測時間の競合により再観測は数か月先になる可能性がありました。開発者たちは古典的なルールの代わりに強化学習を使用し、ダークエネルギーサーベイ（Dark Energy Survey）プロジェクトのデータでニューラルネットワークをトレーニングしました。モデルは人間の行動を分析し、それらをアーカイブの気象記録と照合しました。DECamカメラでの2回のテスト実行中、アルゴリズムは熟練した科学者に匹敵する効率を示しました。著者たちはコードを変更して、人間が認知バイアスにより無視するような非標準的な観測経路をシステムが探すように計画しています。自動化により、天文学者が発見の分析に費やす時間が確保され、今後の観測所（ベラ・ルービン観測所を含む）のリソースを効率的に配分するのに役立ちます。