Reti neurali per rivoluzionare l’analisi di immagini di lenti gravitazionali

Galassie fotografate grazie a lenti gravitazionali (Immagine Yashar Hezaveh/Laurence Perreault Levasseur/Phil Marshall/Stanford/SLAC National Accelerator Laboratory; NASA/ESA)
Galassie fotografate grazie a lenti gravitazionali (Immagine Yashar Hezaveh/Laurence Perreault Levasseur/Phil Marshall/Stanford/SLAC National Accelerator Laboratory; NASA/ESA)

Un articolo pubblicato sulla rivista “Nature” descrive l’applicazione di reti neurali alle lenti gravitazionali. Un team di ricercatori ha ridotto da qualche settimana a pochi secondi il tempo necessario ad analizzare le complesse distorsioni spaziali in immagini catturate grazie a lenti gravitazionali. Ciò potrebbe facilitare enormemente questo tipo di lavoro con grandi vantaggi per molte ricerche astronomiche.

Le lenti gravitazionali sono un fenomeno previsto dalla teoria della relatività generale di Albert Einstein e identificate già molte volte nel corso delle osservazioni astronomiche. Esse curvano la luce di oggetti dietro di esse ingrandendoli con notevoli vantaggi per il loro studio, ad esempio nel caso di galassie lontane miliardi di anni luce che sarebbero a malapena visibili anche dai migliori telescopi spaziali delle quali possiamo invece vedere molti dettagli grazie a lenti gravitazionali.

Il problema è che le immagini ottenute grazie a lenti gravitazionali devono essere sottoposte a complesse elaborazioni perché l’ingrandimento comporta distorsioni e a volte moltiplicazioni dell’immagine originale. L’analisi è stata finora effettuata confrontando l’immagine con modelli al computer ma si tratta di un processo che può richiedere facilmente settimane di lavoro.

Per cercare di risolvere quel problema un team del Kavli Institute for Particle Astrophysics and Cosmology (KIPAC), un istituto dello SLAC National Accelerator Laboratory e dell’Università di Stanford, ha provato a usare reti neurali per questo tipo di analisi. Yashar Hezaveh, il primo autore dell’articolo, ha spiegato che il test è stato effettuato utilizzando tre reti neurali disponibili pubblicamente e una sviluppata dai ricercatori che hanno condotto questo studio.

Le reti neurali sono modellate sulla struttura di un cervello e hanno la capacità di imparare. Per questo motivo, vanno addestrate al compito per il quale si intende utilizzarle: nel caso specifico, i ricercatori hanno mostrato alle reti neurali testate circa mezzo milione di immagini simulate di lenti gravitazionali per circa un giorno. Alla fine di quest’addestramento, esse erano in grado di analizzare nuove lenti in modo quasi istantaneo con una precisione paragonabile a quella dei metodi tradizionali.

In un altro articolo sottoposto per la pubblicazione alla rivista “The Astrophysical Journal Letters” i ricercatori descrivono come le reti neurali possano anche determinare le incertezze delle loro analisi. Finora le applicazioni delle reti neurali nel campo dell’astrofisica non erano andate oltre il riconoscimento di lenti gravitazionali in un’immagine.

Questa nuova applicazione permette alle reti neurali di determinare le proprietà di una lente, incluso il modo in cui la sua massa era distribuita e quanto ha ingrandito l’immagine dell’oggetto sullo sfondo. Un altro vantaggio è che tutto ciò può essere fatto senza ricorrere a supercomputer ma con normali computer, perfino con uno smartphone.

Con i telescopi di prossima generazione in fase di costruzione, la quantità di immagini catturate grazie a lenti gravitazionali aumenterà ulteriormente. Laurence Perreault Levasseur, uno degli autori dell’articolo, ha fatto notare che con i metodi tradizionali di analisi non ci sarebbero abbastanza persone per compiere il lavoro in tempi decenti. È uno dei casi in cui gli sviluppi nel campo delle reti neurali possono portare enormi vantaggi a un altro tipo di ricerca.

Leave a Reply

Your email address will not be published. Required fields are marked *