Το επιστημονικό πρόγραμμα Ariel Data Challenge 2023 ξεκίνησε στις 14 Απριλίου και προσκαλεί ειδικούς στην τεχνητή νοημοσύνη και τη μηχανική μάθηση να βοηθήσουν τους αστρονόμους να κατανοήσουν πλανήτες εκτός του ηλιακού μας συστήματος, γνωστούς και ως εξωπλανήτες. Το Ariel Data Challenge 2023 θα μπορούσε να βοηθήσει να κατευθύνει την τεχνητή νοημοσύνη στο να βοηθήσει το μελλοντικό τηλεσκόπιο Ariel της Ευρωπαϊκής Διαστημικής Υπηρεσίας (ESA) στην αποστολή του και να μας βοηθήσει να κατανοήσουμε καλύτερα τη θέση της Γης στο Σύμπαν.

Οι αστρονόμοι χρειάζονται κάποια βοήθεια από την τεχνητή νοημοσύνη για να ταξινομήσουν τον αυξανόμενο όγκο δεδομένων για πλανήτες γύρω από μακρινά αστέρια.
(Credit: NASA/JPL-Caltech)

«Η τεχνητή νοημοσύνη έχει φέρει επανάσταση σε πολλούς τομείς της επιστήμης και της βιομηχανίας τα τελευταία χρόνια», δήλωσε ο Ingo Waldmann, ένας από τους επικεφαλής του Ariel Data Challenge και αναπληρωτής καθηγητής Αστροφυσικής του University College London.«Το πεδίο των εξωπλανητών έχει φτάσει πλήρως στην εποχή των μεγάλων δεδομένων και η τεχνητή νοημοσύνη αιχμής χρειάζεται για να σπάσει μερικά από τα μεγαλύτερα σημεία συμφόρησης που μας κρατούν πίσω».

Το Ariel, που θα εκτοξευθεί το 2029, θα πραγματοποιήσει μια από τις μεγαλύτερες έρευνες εξωπλανητών, εξετάζοντας τις ατμόσφαιρες περίπου 1.000 από τους γνωστούς πλανήτες εκτός του ηλιακού συστήματος. Αυτός είναι ένας τεράστιος αριθμός παρατηρήσεων, που αντιπροσωπεύει περίπου το ένα έκτο όλων των 6.000 περίπου γνωστών κόσμων στον κατάλογο εξωπλανητών και η βοήθεια της κοινότητας AI και μηχανικής μάθησης θα μπορούσε να είναι ζωτικής σημασίας για την ερμηνεία των δεδομένων του Ariel.

Το διαστημικό τηλεσκόπιο της ESA θα λειτουργεί μελετώντας το φως από το μητρικό άστρο ενός εξωπλανήτη, αφού έχει φιλτράρει την ατμόσφαιρα αυτού του πλανήτη. Επειδή τα χημικά στοιχεία απορροφούν και εκπέμπουν φως σε καθορισμένα μήκη κύματος, η εξέταση των φασμάτων των αστεριών, μετά τη διέλευση από ατμόσφαιρες εξωπλανητών, μπορεί να αποκαλύψει από τι αποτελούνται οι εν λόγω ατμόσφαιρες. Αυτό με τη σειρά του θα μπορούσε να αποκαλύψει πώς σχηματίστηκε ο εν λόγω πλανήτης και αν θα μπορούσε να φιλοξενήσει ζωή.

Όμως, οι επιστήμονες πίσω από την αποστολή Ariel θα χρειαστούν μια νέα μέθοδο ερμηνείας αυτών των δεδομένων για να κατανοήσουν καλύτερα την επίδραση διαφορετικών ατμοσφαιρικών φαινομένων στο παρατηρούμενο φάσμα φωτός. Το τέταρτο Ariel Data Challenge ακολουθεί προηγούμενα γεγονότα του 2019, του 2021 και του 2022 και θα κλείσει στις 18 Ιουνίου 2023. Η πρόσκληση ζητά από τους ειδικούς υπολογιστών, που χρησιμοποιούν οποιοδήποτε μοντέλο, αλγόριθμο ή τεχνική επεξεργασίας δεδομένων, να βρουν λύσεις σε αυτό το πρόβλημα.

Όχι μόνο οι ειδικοί που συμμετέχουν μπορούν να υποβάλουν όσες πιθανές λύσεις βρίσκουν, αλλά μπορούν επίσης να ενώσουν τις δυνάμεις τους και να συνεργαστούν με άλλες ομάδες. Μέσω της πρόσκλησης, προσφέρεται στους συμμετέχοντες πρόσβαση στους πόρους Υψηλής Υπολογιστικής  Ισχύος μέσω του DiRAC, μέρος των υπολογιστικών εγκαταστάσεων του Συμβουλίου Επιστημονικών και Τεχνολογικών Εγκαταστάσεων του Ηνωμένου Βασιλείου.

Η εφαρμογή στο Ariel Data Challenge είναι ανοιχτή σε οποιονδήποτε και οι νικητές της πρόσκλησης θα κληθούν να παρουσιάσουν τη λύση τους στο κορυφαίο συνέδριο μηχανικής μάθησης και εξόρυξης δεδομένων της Ευρώπης, το Ευρωπαϊκό Συνέδριο για τη Μηχανική Μάθηση (European Conference on Machine Learning, ECML ) και τις Αρχές και την Πρακτική της Ανακάλυψης Γνώσης στις Βάσεις Δεδομένων (Principles and Practice of Knowledge Discovery in Databases, PKDD). Οι τρεις πρώτες ομάδες θα λάβουν εισιτήρια χορηγίας για τη διοργάνωση που θα διεξαχθεί μεταξύ Δευτέρας 18 Σεπτεμβρίου και Παρασκευής 22 Σεπτεμβρίου 2023 στο Τορίνο της Ιταλίας ή το αντίστοιχο χρηματικό ποσό.

«Με την άφιξη των οργάνων επόμενης γενιάς, οι αστρονόμοι αγωνίζονται να συμβαδίσουν με την πολυπλοκότητα και τον όγκο των εισερχόμενων εξω-πλανητικών δεδομένων», δήλωσε ο επικεφαλής του Ariel Data Challenge και μεταδιδακτορικός ερευνητής του UCL, Kai Hou. To Ariel Data Challenge παρέχει μια εξαιρετική πλατφόρμα για τη διευκόλυνση διεπιστημονικών λύσεων με ειδικούς της τεχνητής νοημοσύνης.

Περισσότερα εδώ


Παναγιώτης Νιάρχος

ΕΚΠΑ