Jak sní neurální síť o Zemi? Kredit: Waldmann / UCL / Gatys.

Androidi Philipa K. Dicka možná sní o elektrických ovečkách, neurální sítě se strojovým učením, které se podobá lidském snění, teď budou hledat obyvatelné světy v okolním vesmíru. Dick by byl na naši generaci jistě pyšný.

Ingo Waldmann. Kredit: I. Waldmann.

Astronomové University College London (UCL) vyvinuli DBN neurální síť (deep belief neural network), kterou nazvali RobERt (Robotic Exoplanet Recognition). Její úkolem je analyzovat data o záření z cizích planetárních systémů a z jeho spektra získat informaci o plynech v atmosféře exoplanet. Svého RobERta před pár dny představili na konferenci National Astronomy Meeting (NAM) 2016 v britském Nottinghamu.

Šéf vývoje sítě RobERt Ingo Waldmann připomíná, že různé molekuly absorbují a vyzařují záření specifických vlnových délek, což vytváří charakteristické čáry v elektromagnetickém spektru záření. V dnešní době můžeme detekovat záření hvězd cizích planetárních systémů, které za příhodné souhry okolností prochází atmosférou exoplanet nebo se odráží od jejich svrchních vrstev. V něm je pak možné hledat stopy po přítomnosti molekul jednotlivých plynů. Lidský mozek je v tom může být doopravdy dobrý, potíž je ale v tom, že jde o hodně časově náročnou práci se spoustou syrových dat.

Jak pracuje RobERt. Kredit: Waldmann / UCL.

Neurální síť RobERt postupovala vlastně podobně jako astronom z masa a kostí. Nejprve se naučila, co a jak má hledat a teď své zkušenosti využívá ke zručnému hledání exoplanet. Dovede rozpoznat molekuly plynů ve spektru záření z cizích planetárních systémů a vytipovat slibná data pro detailní analýzy. Zásadní přednost RobERta je ovšem v tom, že co člověku trvá dny až týdny, neurální síť zvládne za pouhé sekundy.

DBN neurální sítě se objevily před více než desetiletím. V současnosti bývají běžně využívané v systémech rozpoznávání řeči, prohledávání internetu nebo sledování chování zákazníků. Neurální síť RobERt tvoří tři vrstvy procesorů, tedy „neuronů“. Data vstupují do spodní vrstvy 500 neuronů, která funguje jako první filtr informace a posílá data do druhé vrstvy. Ta se skládá z 200 neuronů, které opět profiltrují data a pošlou je třetí vrstvě, tentokrát z 50 neuronů. Třetí vrstva definitivně rozhodne, které plyny by mohly být přítomny v atmosféře zkoumaných exoplanet.

Jak je RobERt spolehlivý?

Waldmann a spol. svůj výtvor prověřili souborem 85.750 simulovaných spekter exoplanet. Do toho souboru zařadili celkem pět různých typů exoplanet, od vodního světa typu GJ1214b po pekelného horkého Jupitera jako je WASP-12. Každé z tréninkových spekter obsahovalo stopu jednoho typu atmosférického plynu. Když neurální síť RobERt s tímto souborem skončila, identifikovala plyny ve spektru s přesností na 99,7 %.

Pekelný svět WASP-12. Kredit: NASA / ESA / G. Bacon.

Síť RobERt se naučila zohledňovat věci jako šum nebo výskyt plynů ve směsích. Rovněž se dovede přepnout tím stylem, že namísto přijímání dat k analýze upadne do stavu snění, ve kterém se jí „zdají“ spektra záření planetárních systémů, podle předešlých zkušeností sítě. Waldmann souhlasí s tím, že neurální sítě v jistém smyslu slova skutečně sní. Když požádali síť RobERt, aby snila o molekule vody, tak byl výsledek velmi blízký skutečnosti. Tahle schopnost „snění“ je podle Waldmanna hodně užitečná například pro práci s neúplnými daty.

V roce 2018 by se měl do vesmíru dostat velmi výkonný vesmírný dalekohled Jamese Webba, který bude zkoumat mimo jiné i atmosféry exoplanet. A objeví se i další nová zařízení, schopná získat takové informace. Zdá se, že brzy bude k dispozici ohromná spousta dat o atmosférách exoplanet. A snící neurální síť RobERt se už nemůže dočkat, až v té záplavě objeví zajímavé planety.

Literatura
Royal Astronomical Society 28.6. 2016, Wikipedia (Deep belief network).