Orion B Molecular cloud
Hur kolmonoxid fördelar sig i gasmolnet Orion B. ​
Credit: ​J. Pety/ORION-B Collaboration/IRAM​​​​

AI kan hjälpa oss förstå hur stjärnor föds och tänds

Artificiell intelligens kan göra det möjligt att få syn på fenomen i rymden som tidigare varit utom räckhåll för forskare. Det har nu visats inom det internationella forskningsprogrammet ORION-B, i de mest omfattande observationerna som hittills genomförts av en rymdens mest närliggande stjärnfabriker.
- Hur gaser fördelas där stjärnbildning pågår är en svår och flera decennier gammal fråga inom astrofysiken. Forskargruppen har utvecklat ett potentiellt kraftfullt verktyg som tar itu med den frågan med hjälp av maskininlärning, säger Jouni Kainulainen, Chalmers.
I de vidsträckta gasmolnen där stjärnor föds och utvecklas pågår många olika fysikaliska processer. Astronomer fascineras av dessa processer och hur de växelverkar med varandra. De sker på olika tidsskalor i tid och storlek. vilket gör det nästan omöjligt att helt förstå sådana ”stjärnornas barnkammare”. Men forskarna i ORION-B-programmet har nu visat att man med hjälp av statistik och artificiell intelligens kan hjälpa till att bryta ner murarna som fortfarande står i vägen för astrofysiker. De presenterar sitt arbete i tre artiklar som alla publiceras i tidskriften Astronomy & Astrophysics.

​– Molnkomplexet Orion är vår närmaste ”fabrik” för massproduktion av nya stjärnor. Eftersom det är närmast är det också lättast att observera och studera med teleskop. Den del av komplexet som vi studerat i detta samarbete - Orion B - är ett mycket ungt område. Det ger oss en möjlighet att se vad gasen gör innan den kollapsar och bildar stjärnor. Det är väldigt intressant, eftersom det hjälper oss att förstå var och hur nya stjärnor börjar bildas, säger Jouni Kainulainen (t.v på bilden), en av två Chalmers-astronomer i projektet tillsammans med kollegan Jan Orkisz, båda på avdelningen Astronomi och plasmafysik vid institutionen för rymd-, geo- och miljövetenskap på Chalmers.

För att kunna lyckas med den mest detaljerade analysen av Orion B-molnet kallade forskarna till sig kollegor som specialiserar sig på massiv databehandling. Genom att utveckla nya metoder som baseras på statistiskt lärande och maskininlärning, kunde forskarna studera observationer av molnet gjorda på 240 000 olika frekvenser av ljus.

Ny information från stora mängder data

Tack vare algoritmer för artificiell intelligens gör de nya verktygen det möjligt att få ut ny information från stora mängder data. Det i sin tur har gjort det möjligt för forskarna att avslöja vilka “lokala naturlagar”, som Jouni Kainulainen kallar dem, som gäller i Orion B-molnet och som bestämmer hur stjärnor kan bildas.
Till exempel har forskarna kartlagt hur ljuset från vissa molekyler och berättar om förhållanden i molnen som tidigare varit okända. Mängderna av väteatomer och fria elektroner i molnet kunde de kunde de till exempel för första gången uppskatta utifrån sina beräkningar. Genom att hitta och analysera just de mätningarna som gav mest information hittade forskargruppen dessutom sätt att ytterligare finslipa sina observationsmetoder framöver.

ORION-B-gruppen vill nu sätta sina resultat på prov genom att tillämpa sina resultat på andra stjärnfabriker där andra förhållanden råder. Dessutom vill de anta den större tekniska utmaningen att vara att extrahera information om molekylernas hastighet. Med detta på plats hoppas de kunna visualisera hur gasen i molnen rör sig. 

Jouni Kainulainen, hur har du och Jan Orkisz bidragit till denna forskning?
– Jan ingår i kärnan i Orion B-programmet och har arbetat inom gruppen i flera år. (länk till tidigare artikel om Jans arbete om stjörnformation i Hästhuvudsnebulosan) I det här arbetet var han särskilt involverad i att analysera molekylernas spektrallinjer. Han bidrog också till att utveckla den maskininlärningsbaserade metodiken som använts i arbetet. Jag bidrar i teamet genom att hjälpa till med att tolka några av analyserna och deras resultat.

Fanns det några resultat som du tycker är särskilt intressanta för din egen forskning?
 Hur gaser fördelas i stjärnbildande regioner är en svår och flera decennier gammal fråga inom astrofysiken. Forskargruppen har utvecklat ett potentiellt kraftfullt verktyg för att ta itu med den frågan med hjälp av maskininlärning. Jag tycker att denna aspekt är särskilt spännande och viktig: astronomi är en vetenskap som kännetecknas av stora, komplexa datamängder – anslutning till modern datavetenskap är nära förestående och fördelarna med att göra det blir väldigt konkret i det här arbetet. 

Vad betyder detta för framtida forskning om stjärnbildande regioner?
 Metodiken och tillvägagångssättet som presenteras i de här artiklarna kommer förhoppningsvis att användas bredare för att sluta sig till hur gas fördelas i stjärnbildande regioner. Vi kan enkelt observera de molekyler som är aktuella med hjälp av teleskop som Alma, vilket innebär att tekniken har stor potential. Tekniken kan bli särskilt viktigt vid studier av moln globalt i Vintergatan, för att förstå stjärnbildande regioner som ligger bortanför vår ”galaktiska bakgård”, i helt andra delar av galaxen.

Är de nya metoderna tillämpliga på andra aspekter eller ämnen inom ditt område?
 Absolut. I huvudsak använder tekniken en uppsättning data för utsläppslinjer för att förutsäga fördelningen av gas. Det här arbetet har inriktat sig på ett ungt, kallt molekylärt moln, men man kan också tillämpa principen på andra slags föremål där man är intresserad av gasfördelningen. Vi har visat teknikens användning för att förstå ett mycket specifikt problem, men mer allmänt är denna typ av maskininlärning brett användbar.

Forskningsartikeln nämner att det är "nästan omöjligt att helt förstå sådana fantastiska stjärnornas barnkammare". Hur är det att studera nästan omöjliga ämnen?
 Det är nästan omöjligt intressant! Skämt åsido, många system i naturen är så komplexa att de är mycket svåra att förstå helt - ta våra hjärnor som exempel! Men det som är fantastiskt är möjligheten att få en grundläggande förståelse för hur sådana system fungerar. Ofta visar det sig att det faktiskt finns enkla lagar och regler som kan oss en lång bit på vägen för att förstå. Hur nya stjärnor bildas i galaxerna är ett utmärkt exempel på det, säger Jouni Kainulainen, avdelningschef och biträdande professor vid avdelningen för astronomi och plasmafysik.

Första halvan av texten baserar på ett pressmeddelande från CNRS, The French National Centre for Scientific Research, redigerad av Christian Löwhagen and Jouni Kainulainen. 

Sidansvarig Publicerad: fr 11 dec 2020.