Univerza v Novi Gorici sodelovala pri razvoju nove metode za analizo kompleksnih podatkov
Skupina raziskovalcev in raziskovalk pod vodstvom Urosa Zivanovica z Univerze v Trstu, ki vključuje podoktorsko raziskovalko Gabriello Contardo iz Centra za astrofiziko in kozmologijo Univerze v Novi Gorici, je razvila novo metodo umetne inteligence za analizo kompleksnih podatkov, s kakršnimi se tipično srečujejo v astronomiji. Svoje delo bodo predstavili na NeurIPS, eni najpomembnejših konferenc s področja umetne inteligence, ki poteka od 2. do 7. decembra v San Diegu v ZDA, in ki se je bo po pričakovanjih udeležilo več kot 10.000 strokovnjakov s področja strojnega učenja. Ta metoda ponuja nove vznemirljive možnosti za analizo podatkov, ki jih zbira Observatorij Vera Rubin, katerega mednarodna partnerka je Univerza v Novi Gorici.
Astronomski observatoriji kot je Observatorij Vera Rubin v Čilu opazujejo nebo vsako noč, a ni nujno, da opazujejo isti del neba v enakih časovnih presledkih. Tudi slabo vreme lahko prepreči opazovanja! Iz opazovanj astronomi in astronomke izluščijo svetlobne krivulje, ki prikazujejo, kako se svetlost nekega nebesnega telesa spreminja skozi čas, kar nakazuje, na primer, na blišč z zvezde, eksplozijo zvezde ali raztrganje zvezde v bližini črne luknje. Vendar pa te svetlobne krivulje zaradi različno dolgih časovnih intervalov med opazovanji pogosto vsebujejo vrzeli v podatkih.
Na številnih znanstvenih področij so doslej za analizo kompleksnih zaporednih in slikovnih podatkov pogosto uporabljali sodobne metode umetne inteligence kot so transformerji, ki so bili prvotno razviti za jezikovne naloge (kar je privedlo do znatnih izboljšav v kvaliteti klepetalnih robotov). Te metode uporabljajo tako imenovane mehanizme pozornosti, ki model naučijo prepoznavati bistvene dele podatkov. Toda te metode imajo težave pri analizi astronomskih svetlobnih krivulj, ker predpostavljajo, da se podatki pojavljajo v rednih intervalih, kot na primer besede v povedi. Doslej so te težave reševali s specializiranimi spremembami arhitektur umetne inteligence ali pa so na različne načine modelu posredovali podatke, kdaj je bila določena meritev izvedena.
Nasprotno pa je raziskovalna skupina pod vodstvom Urosa Zivanovica razvila novo metodo, ki združuje dve obstoječi tehniki: tehniko, ki kodira časovne podatke fleksibilno (Rotary Position Embeddings), ter tehniko, ki se z zakrivanjem delov podatkov uči, kako rekonstruirati nastale vrzeli (Masked AutoEncoder). Ta nova metoda poimenovana Rotary Masked Autoencoder, oziroma na kratko RoMAE, ustvarja model, ki je odporen na nepravilnosti in vrzeli v podatkih.
Raziskovalna skupina je pokazala tudi vsestranskost metode RoMAE pri analizi različnih tipov podatkov (časovnih, zvočnih, slikovnih) in pri različnih nalogah. Predvsem se RoMAE izkaže bolje pri analizi podatkov, kakršne bo v začetku leta 2026 pričel zbirati Observatorij Vera Rubin. Observatorij Vera Rubin bo vsako noč opazoval in zbiral podatke o milijonih spremenljivih astronomskih objektov na nebu, kar je veliko preveč za »ročno« analizo, zaradi česar so nove metode, kot je RoMAE, ključnega pomena.
»Nova metoda odpira zares vznemirljive možnosti za prihodnje astronomske raziskave« se veseli Gabriella Contardo. »Raziskovalna skupina Centra za astrofiziko in kozmologijo Univerze v Novi Gorici in naši sodelavci in sodelavke raziskujemo možnosti uporabe metode RoMAE za klasificiranje različnih vrst astronomskih pojavov ter za odkrivanje doslej neznanih vrst pojavov, ki se bodo skrivali v podatkih Observatorija Vera Rubin.
Gabriella Contardo, soavtorica metode RoMAE, je podoktorska raziskovalka na evropskem projektu SMASH (Machine Learning for Science and Humanities), ki ga koordinira Univerza v Novi Gorici. V tem projektu sodeluje pet vodilnih raziskovalnih ustanov v Sloveniji, na katerih 50 podoktorskih raziskovalcev in raziskovalk, skupaj s svojimi mentorji in mentoricami, uporabljajo metode umetne inteligence na področjih precizne medicine, podnebnih raziskav, komunikacijskih ved, fizike osnovnih delcev, kozmologije in astrofizike.
Pri delu so sodelovali še:
Uros Zivanovic (1,2), Serafina Di Gioia (2,3) , Andre Scaffidi (2) , Martín de los Rios (2) , and Roberto Trotta (2,4,5,6)
1: University of Trieste, Italy
2: Scuola Internazionale Superiore di Studi Avanzati (SISSA), Italy
3: International Centre for Theoretical Physics (ICTP), Italy
4: INFN National Institute for Nuclear Physics, Italy
5: ICSC, Centro Nazionale di Ricerca in High Performance Computing, Italy
6: Imperial College London, United Kingdom