Προετοιμασία για μια Πλημμύρα Ουράνιων Σωμάτων

Αυτή είναι μια ιστορία για να βγάλεις το καλό από το κακό, είπε ο Mario Jurić. Ως αγόρι στη Γιουγκοσλαβία, σελιδοποίησε ένα εισαγωγικό βιβλίο φυσικής που ανήκε στον παππού του. Έμαθε ότι τα αστέρια ήρθαν σε διαφορετικά χρώματα και ότι αυτά τα χρώματα σήμαιναν διαφορετικές θερμοκρασίες. Έτσι, για το έργο του στην όγδοη τάξη, ο Jurić ήθελε να συλλάβει αυτό το φασματικό φως. Ο δάσκαλός του του δάνεισε ένα πρίσμα. Ο Jurić συνέδεσε αυτό το πρίσμα με μια παλιομοδίτικη φωτογραφική μηχανή χρησιμοποιώντας έναν χάρτινο σωλήνα από χαρτί υγείας και κολλητική ταινία. Σχεδίαζε να κρατήσει το κλείστρο ανοιχτό για μερικά λεπτά, να αφήσει το φως των αστεριών να περάσει μέσα από το πρίσμα και να αιχμαλωτίσει αυτό το απλωμένο φως στο φιλμ.

Αλλά στο Ζάγκρεμπ, όπου ζούσε, ζούσαν περίπου ένα εκατομμύριο άνθρωποι. Υπό συνηθισμένες συνθήκες, η φωτορύπανση της πόλης θα κάλυπτε τις μετρήσεις του. Ωστόσο, ο Jurić ήταν στο γυμνάσιο κατά τη διάρκεια των βάναυσων πολέμων που συνόδευσαν τη διάλυση της Γιουγκοσλαβίας. «Είχαμε μπλακ άουτ σε περίπτωση βομβαρδισμών», είπε. «Και έτσι ολόκληρη η πόλη ήταν σκοτεινή. Ο μπαμπάς μου ήταν, εκ των υστέρων, εξαιρετικά επιτρεπτικός, γιατί με άφηνε να βγω στην αυλή και να στήσω τον εξοπλισμό μου, να τραβήξω πραγματικά τον ουρανό». Το επιστημονικό του έργο λειτούργησε και αυτό του έδωσε αυτοπεποίθηση να συνεχίσει να μελετά τα αστέρια.

Τα καλά πράγματα μπορούν να προέλθουν από τα κακά πράγματα, είπε αρκετές φορές κατά τη διάρκεια των συνομιλιών μας. Συνέχισε στο γυμνάσιο για να μετατρέψει ένα τοπικό τηλεσκόπιο 40 εκατοστών σε μηχανή ανακάλυψης αστεροειδών. Έγραψε το λογισμικό και οι φίλοι του δούλεψαν στο υλικό. Η αστρονομία τον έφερε στις ΗΠΑ το 2002, όταν παρακολούθησε μεταπτυχιακό σχολείο στη φυσική στο Πανεπιστήμιο του Πρίνστον. Και τώρα, ως καθηγητής στο Πανεπιστήμιο της Ουάσιγκτον στο Σιάτλ, αφιερώνει μεγάλο μέρος του χρόνου του για να βρει πώς να διαχειριστεί τις τεράστιες ποσότητες δεδομένων που θα μεταφερθούν σύντομα από το Large Synoptic Survey Telescope (LSST), ένα τηλεσκόπιο ευρέος πεδίου που διαθέτει κάμερα 3.200 megapixel, τη μεγαλύτερη στον κόσμο. Το τηλεσκόπιο αναμένεται να παράγει περίπου 20 terabytes δεδομένων τη νύχτα.

Quanta μίλησε με τον Jurić για το πώς το κύμα δεδομένων αλλάζει αυτό που σημαίνει να είσαι αστρονόμος. Ακολουθεί μια επεξεργασμένη και συνοπτική έκδοση των συνομιλιών.

Πώς αλλάζει η άνοδος των δεδομένων την αστρονομία;

Η μεγαλύτερη πρόκληση μας ουσιαστικά από την αρχή, από την αρχαία Ελλάδα, ήταν η συλλογή δεδομένων. Η αστρονομία ήταν πάντα μια επιστήμη περιορισμένη σε δεδομένα. Τώρα η τυπική έρευνά σας δημιουργεί πληροφορίες για εκατοντάδες εκατομμύρια αστέρια και, στη συνέχεια, επαναλαμβάνει τις παρατηρήσεις τους. Και με το LSST, μπαίνουμε στο καθεστώς όπου θα παρατηρήσουμε περίπου 40 δισεκατομμύρια αντικείμενα. Ξαφνικά έχετε αυτή την τεράστια εισροή δεδομένων σε μια περιοχή της επιστήμης που ήταν πολύ περιορισμένη από πληροφορίες πριν. Αντί να έχουμε μερικές εκατοντάδες αντικείμενα στα οποία βασίζετε τις θεωρίες σας και την κατανόησή σας για το σύμπαν, τώρα έχουμε να κάνουμε με μερικές εκατοντάδες εκατομμύρια αντικείμενα. Ο τεράστιος όγκος δεδομένων έχει αυξηθεί πάρα πολύ. Και αυτό, φυσικά, δημιουργεί προκλήσεις στην επεξεργασία.

Τώρα πρέπει να βρούμε τρόπους για να τους μετατρέψουμε σε κάτι που είναι χρήσιμο για την κατασκευή θεωριών, για την εξαγωγή συμπερασμάτων. Εάν δεν μπορώ να εκφράσω με κώδικα τι είναι αυτό που χρειάζομαι να κάνει ο υπολογιστής για μένα ή να μετρήσει για μένα, τότε δεν έχω κανέναν τρόπο να μετατρέψω στην πραγματικότητα οποιοδήποτε από αυτά τα δεδομένα που έχουμε συλλέξει σε μια μορφή που μπορώ να χρησιμοποιήσω για να συλλογιστώ θεωρίες .

Έτσι ο υπολογισμός και ο προγραμματισμός γίνονται πολύ σημαντικοί;

Ο τρόπος που το σκέφτομαι είναι ότι όταν η φυσική διακλαδίστηκε από τη φιλοσοφία, αυτό που έκανε τη διαφορά ήταν η εισαγωγή των μαθηματικών, η ικανότητα να καταγράψεις τη λογική σε ένα σύνολο εξισώσεων και με αυστηρούς κανόνες από τους οποίους ξέρεις ότι θα σε έπαιρναν. το σημείο Α στο σημείο Β με αυτοσυνεπή τρόπο. Είναι η συνειδητοποίηση ότι για να κάνετε το επόμενο βήμα στη φυσική, πρέπει στην πραγματικότητα να το κάνετε με αυτόν τον τρόπο. Σε εκείνο το σημείο, η φυσική συνδέθηκε με τα μαθηματικά. Τα μαθηματικά είναι η γλώσσα της φυσικής.

Κάτι παρόμοιο περνάμε τώρα. Φτάνουμε στο σημείο με αυτά τα μεγάλα σύνολα δεδομένων ότι πρέπει να κάνετε το ίδιο πράγμα με τη μηχανική λογισμικού. Γίνεται η γλώσσα που πρέπει να μιλάμε για να βγάλουμε συμπεράσματα για τον κόσμο γύρω μας. Αυτό που νιώθω ότι συμβαίνει τώρα είναι ότι βρισκόμαστε σε ένα άλλο από αυτά τα σημεία καμπής στην ανάπτυξη των φυσικών επιστημών. Ο προγραμματισμός γίνεται πραγματικά εξίσου σημαντικός με την ικανότητα να κάνετε μαθηματικά για να ολοκληρώσετε την επιστήμη.

Πώς μετατρέπετε αυτόν τον τεράστιο όγκο δεδομένων σε κάτι χρήσιμο;

Τώρα πρέπει να αρχίσουμε να μαθαίνουμε πώς να διδάσκουμε στους υπολογιστές να κάνουν όλα τα είδη μετρήσεων που κάναμε με το χέρι και πολύ προσεκτικά. Κάτι τόσο απλό όσο να κοιτάτε μια εικόνα και να πείτε:"Ω, κοίτα, υπάρχει ένας γαλαξίας" - σε έναν υπολογιστή που δεν είναι καθόλου προφανές. Έτσι, έχουμε περάσει μερικές δεκαετίες για να καταλάβουμε πώς να το κάνουμε αυτό. Πώς να διδάξετε τον υπολογιστή να κοιτάζει μια αστρονομική εικόνα, να αναγνωρίζει σωστά όλα τα αντικείμενα και στη συνέχεια να μετράει σωστά όλα τα αντικείμενα χωρίς καμία βοήθεια από τον άνθρωπο. Νομίζω ότι το πεδίο έχει μεταβεί στην περιοχή όπου τώρα οι υπολογιστές μπορούν να επεξεργάζονται αυτά τα δεδομένα και να μας δίνουν καταλόγους.

Το επόμενο βήμα σε αυτήν την εξέλιξη των μεγάλων δεδομένων είναι να διδάξετε στον υπολογιστή να παίρνει τα αποτελέσματα των εικόνων, να εξετάζει όλους αυτούς τους καταλόγους και, στη συνέχεια, να μας βρίσκει μια λίστα με ενδιαφέροντα πράγματα και ακόμη και να τα ταξινομεί ως προς το πόσο ενδιαφέροντα είναι.

Τι είναι ένα παράδειγμα;

Σε πολλούς τομείς της αστροφυσικής, τα αντικείμενα μπορεί να αλλάζουν φωτεινότητα και ούτω καθεξής, αλλά δεν κινούνται. Αλλά το ηλιακό σύστημα είναι μοναδικό επειδή τα αντικείμενα του ηλιακού συστήματος κινούνται. Επομένως, τώρα πρέπει να βρείτε αλγόριθμους που θα συνδέουν κυριολεκτικά τις τελείες. Όταν τραβάτε μια εικόνα του ουρανού και βρίσκετε έναν αστεροειδή, μοιάζει με αστέρι. Επιστρέφετε λίγο αργότερα, τραβάτε μια άλλη εικόνα, θα παρατηρήσετε ότι μετακινήθηκε. Τώρα με το LSST, θα δούμε περίπου 5.000 αστεροειδείς σε κάθε εικόνα στην εκλειπτική. Αυτό μεταφράζεται σε μερικά εκατομμύρια ανά διανυκτέρευση. Έχετε ένα εκατομμύριο πόντους κάθε βράδυ που κινούνται όλοι και καταλαβαίνετε ποιος ταιριάζει με ποιον. Επομένως, αυτό στο οποίο εστιάζω αυτή τη στιγμή είναι να βεβαιωθώ ότι ξέρουμε πώς να δημιουργήσουμε σωστά αυτόν τον αλγόριθμο σύνδεσης των κουκκίδων.

Πώς βρίσκετε πράγματα που δεν ξέρεις ότι θα είναι εκεί; Εάν δεν έχετε προγραμματίσει αυτό το πράγμα στον αλγόριθμό σας, χάνεται αυτή η ανακάλυψη;

Αυτός είναι ένας από τους φόβους. Εξαρτάται από το πώς έχει κατασκευαστεί ο αλγόριθμος. Πραγματικά σκεφτόμαστε σκληρά πώς θα συμπεριφερθεί αυτό για αντικείμενα που έχουν ιδιότητες που δεν υποτίθεται ότι έχουν, με βάση αυτά που γνωρίζουμε σήμερα. Προσπαθούμε να κάνουμε τον αλγόριθμο όσο το δυνατόν ευρύτερο για να πιάσουμε όλα αυτά τα αντικείμενα και προσπαθούμε να καταλάβουμε πού είναι τυφλός ο αλγόριθμος.

Από πού προέρχεται το δικό σας ενδιαφέρον για τη διασταύρωση της αστρονομίας και της επιστήμης των υπολογιστών;

Είμαι από εκείνους τους ανθρώπους που δεν μπορούσαν ποτέ να αποφασίσουν αν ήθελα να ασχοληθώ με την επιστήμη των υπολογιστών ή την αστρονομία. Οι υπολογιστές είναι αυτά τα υπέροχα πράγματα γιατί είναι δημιουργία χωρίς όρια. Όταν γράφετε ένα κομμάτι κώδικα, είναι σαν να χτίζετε κάτι, να δημιουργείτε έναν νέο κόσμο σε αυτόν τον υπολογιστή. Είναι σχεδόν καλλιτεχνικό. Αυτό ήταν πολύ ελκυστικό, αλλά από την άλλη ήθελα να καταλάβω τον κόσμο και ήθελα να καταλάβω πώς λειτουργούν τα πράγματα στον κόσμο. Οπότε έστριψα το νόμισμα και έκανα φυσική. Όταν έφτασα στο Πρίνστον, όπου έκανα το διδακτορικό μου, το Sloan Digital Sky Survey μόλις ξεκινούσε. Σκέφτηκα, "Ουάου, υπάρχει ένας τεράστιος όγκος δεδομένων και οι άνθρωποι δυσκολεύονταν να κατανοήσουν αυτά τα δεδομένα." Συνειδητοποίησα σε εκείνο το σημείο ότι τα όνειρά μου έγιναν πραγματικότητα:δεν χρειάζεται πλέον να αποφασίσω αν θα κάνω κάτι που σχετίζεται με υπολογιστή ή αστρονομία, επειδή αυτός ο τύπος περιβάλλοντος απαιτεί και τα δύο.

Όλη η αστροφυσική σας εργασία σχετίζεται με αλγόριθμους και προγραμματισμό υπολογιστών;

Θα έλεγα ότι είναι ένα μέσο για έναν σκοπό. Ξοδεύω πολύ περισσότερο χρόνο εστιάζοντας στους ίδιους τους αλγόριθμους, αλλά κυρίως μου αρέσει να χρησιμοποιώ αυτά τα πράγματα για να βρίσκω πραγματικά ενδιαφέροντα αποτελέσματα. Με οδηγεί να απαντάω σε προβλήματα στην αστρονομία, αλλά θέλω να βεβαιωθώ ότι το κάνω με τέτοιο τρόπο ώστε το επόμενο άτομο να μπορεί να βασιστεί σε αυτό που έχω κάνει.

Αναφέρατε το Sloan Digital Sky Survey. Πώς βασίζεται το LSST σε αυτό;

Το Sloan δημιούργησε νομίζω συνολικά περίπου 10 έως 20 terabyte κατά τη διάρκεια της ιστορίας του, όσον αφορά την απεικόνιση. Το LSST το κάνει σε μια νύχτα. Όσον αφορά τον αριθμό των αντικειμένων, ο Sloan ήταν μια τάξη 500 εκατομμυρίων αστέρων, [παρατηρήθηκαν] μία φορά. Με το LSST, θα είναι περίπου 20 δισεκατομμύρια αστέρια, και κάθε ένα από αυτά είναι πιθανό να δει 825 φορές. Θα εξετάσουμε τον τομέα του χρόνου. Είναι ένας τεράστιος όγκος. Το άλλο πρόβλημα είναι ότι — όποτε λέω πρόβλημα, σκεφτείτε το απλώς ως ευκαιρία — το LSST πρόκειται να μετρήσει δεκάδες και ενδεχομένως εκατοντάδες πράγματα για κάθε αντικείμενο.

Στη δεκαετία του 2000 συνειδητοποιήσαμε ότι αντί να φτιάξουμε ένα ξεχωριστό τηλεσκόπιο για αυτό το μέρος της αστρονομίας, ένα ξεχωριστό τηλεσκόπιο για αυτό το μέρος, αυτό που θα κάνουμε είναι να κατασκευάσουμε ένα τηλεσκόπιο, το τηλεσκόπιο, για να κατεβάσετε ουσιαστικά αυτόν τον ουρανό. Πρέπει ακόμα να επεξεργαστείτε αυτά τα δεδομένα σε μια μορφή που θα επιτρέψει στους επιστήμονες του ηλιακού συστήματος να επικεντρωθούν σε αντικείμενα του ηλιακού συστήματος και οι άνθρωποι της σκοτεινής ενέργειας κάνουν τους αδύναμους χάρτες τους. Η επεξεργασία δεδομένων έγινε τεράστιο πράγμα για το LSST. Είναι ένα από τα σπάνια έργα στην αστρονομία όπου το σύστημα δεδομένων — για το οποίο ήμουν υπεύθυνος — είναι τόσο ακριβό και τόσο μεγάλο όσο το ίδιο το τηλεσκόπιο και η ίδια η κάμερα.

Κάτι που δεν έχουμε θίξει ακόμα, αλλά είναι απολύτως κρίσιμο στις μετρήσεις της αστρονομίας, είναι τα στατιστικά.

Όταν έχετε συλλέξει όλα τα δεδομένα που πρέπει να συλλέξετε, το μόνο που απομένει είναι να τα αναλύσετε καλύτερα. Κάνουμε μετρήσεις και μετά πώς ξέρετε τι σας λέει η μέτρηση για οποιαδήποτε υπόθεση έχετε; Υπάρχουν στατιστικές μέθοδοι που σας επιτρέπουν να κάνετε δοκιμές, για να ταιριάξετε τα μοντέλα. Η στατιστική αφορά, μεταξύ άλλων, την εξαγωγή γνώσης από δεδομένα, την ποσοτικοποίηση των γνώσεών σας δεδομένων των δεδομένων που έχετε. Χρησιμοποιούμε [statistics] πολύ αυστηρά, όπως εδώ είναι ένα στατιστικό βιβλίο μαγειρικής. Πρέπει να κοιτάξετε τα συστατικά και να επιλέξετε τον σωστό κανόνα, τη σωστή συνταγή. Εάν έχετε ένα σύνολο δεδομένων που πρέπει να εμπίπτει σε ορισμένα κριτήρια και εάν εφαρμόσετε αυτόν τον κανόνα, θα συμβούν καλά πράγματα. Φτάνουμε σε ένα σημείο όπου μετράμε σχεδόν ό,τι μπορούμε. Ο μόνος δρόμος προς τα εμπρός είναι να κάνετε τώρα την ανάλυση των δεδομένων σας σωστά, γιατί δεν μπορούμε πλέον να κάνουμε προσεγγίσεις. Οι άνθρωποι πιστεύουν ότι τα στατιστικά στοιχεία είναι βαρετά, αλλά μόλις καταλάβετε τι είναι, είναι ένα θεμελιώδες στοιχείο της επιστήμης, της ανακάλυψης της γνώσης στα δεδομένα.

Αυτή η εξέλιξη των μεγάλων δεδομένων, όπως την αποκαλείτε, δεν είναι μόνο στην αστρονομία, σωστά;

Οι φυσικοί των σωματιδίων ασχολούνται με αυτό για λίγο περισσότερο, είναι ίσως πέντε έως 10 χρόνια μπροστά μας. Η ωκεανογραφία εισέρχεται τώρα στην ίδια περιοχή. Η οικολογία μπαίνει στην ίδια περιοχή. Τα βασικά εργαλεία που πρέπει να γνωρίζετε για να κάνετε την επιστήμη σας αλλάζουν.