Телескоп доверили ИИ: алгоритм научился самостоятельно выбирать цели для наблюдений

Система создана в рамках Института искусственного интеллекта для неба (SkAI), совместно финансируемого Национальным научным фондом США и Фондом Саймонса. Ее испытали на 4-метровом телескопе Víctor M. Blanco в Межамериканской обсерватории Серро-Тололо в Чили. Телескоп оснащен 570-мегапиксельной камерой Dark Energy Camera (DECam), разработанной при участии Министерства энергетики США.

Планирование наблюдений является одной из наиболее сложных операционных задач астрономии. Время работы крупных телескопов ограничено, а условия могут измениться в течение нескольких часов. Неправильно выбранная цель или неподходящий момент способны привести к получению менее качественных данных, а повторить наблюдение иногда удается лишь через несколько месяцев.

Вместо набора заранее заданных правил исследователи использовали глубокое обучение. Модель обучили на многолетней истории наблюдений проекта Dark Energy Survey. Алгоритм анализировал последовательности реальных действий астрономов: какое наблюдение выполнялось в конкретный момент и какое выбиралось следующим. Затем его решения сравнивались с реальными планами, а ошибки использовались для дальнейшего обучения.

В результате система научилась учитывать множество факторов, влияющих на качество наблюдений, включая положение объектов, яркость Луны и атмосферные условия, хотя эти правила не задавались ей напрямую.

Весной и летом система успешно прошла два наблюдательных цикла на телескопе Blanco. На первом этапе целью было добиться от ИИ производительности, сопоставимой с человеческими планировщиками. По словам разработчиков, эта задача уже выполнена.

Следующий этап проекта предполагает использование ИИ для поиска более эффективных стратегий наблюдений. Алгоритм должен не просто воспроизводить решения астрономов, а находить варианты, которые люди могли бы не рассмотреть.

Автоматизация особенно актуальна на фоне появления телескопов нового поколения, способных собирать огромные массивы данных. Чем больше объём наблюдений, тем сложнее человеку вручную оптимизировать расписание с учетом постоянно меняющихся условий. Автономные системы планирования потенциально позволят эффективнее использовать дорогостоящее телескопное время и сократить объём рутинной работы астрономов.

Разработчики рассматривают нынешний эксперимент как шаг к созданию более автономных обсерваторий, в которых ИИ сможет самостоятельно принимать значительную часть оперативных решений, оставляя ученым больше времени для анализа данных и постановки новых научных задач.