Нейросеть научилась управлять телескопами эффективнее человека

Специалисты из Северо-Западного университета, Чикагского университета и Национальной ускорительной лаборатории Ферми разработали и протестировали систему глубокого обучения, которая в реальном времени рассчитывает и корректирует график астрономических наблюдений в зависимости от погоды и фаз Луны. Алгоритм был развернут в рамках Института искусственного интеллекта для неба SkAI на 4-метровом телескопе имени Виктора Бланко в Межамериканской обсерватории Серро-Тололо в Чили. Ранее операторам приходилось вручную учитывать прозрачность атмосферы и лунный свет, чтобы избежать засветки кадров, и при ошибке повторный сеанс мог быть отложен на месяцы из-за конкуренции за время наблюдений. Вместо классических правил разработчики использовали обучение с подкреплением, обучив нейросеть на данных проекта Dark Energy Survey. Модель анализировала действия человека и сопоставляла их с архивными метеосводками. В ходе двух тестовых запусков на камере DECam алгоритм показал эффективность, сопоставимую с квалифицированными учеными. Авторы планируют модифицировать код, чтобы система искала нестандартные траектории обзора, которые человек игнорирует из-за когнитивных искажений. Автоматизация освободит время астрономов для анализа открытий и поможет эффективно распределять ресурсы будущих обсерваторий, включая обсерваторию Веры Рубин.