სიახლეები
2015 წელს გრავიტაციულ-ტალღოვანმა ობსერვატორიამ LIGO პირველად დააფიქსირა გრავიტაციული ტალღები, რაც შავი ხვრელებისა და ნეიტრონული ვარსკვლავების დაკვირვების ახალ მეთოდს გულისხმობდა. ობსერვატორია მოიცავს ორ ობიექტს, რომელთაგან თითოეული წარმოადგენს მაიკელსონის-ტიპის ლაზერულ ინტერფერომეტრს ოთხკილომეტრიანი მკლავებით, რომელთა ბოლოსაც სარკეებია ჩამოკიდებული. ასეთ დეტექტორში გრავიტაციული ტალღები აღმოაჩინა ხდება ინტერფერომეტრის მკლავების სიგრძის ცვლილებით, რომელიც პროტონის დიამეტრზე 10,000-ჯერ მცირეა, ამიტომ კონსტრუქციაში უმცირესმა ხმაურმაც კი შეიძლება ხელი შეუშალოს დაკვირვებას. ობსერვატორიამ LIGO-ს შესახებ ინფორმაცია იხილეთ სტატიაში.
სეისმურ ხმაურებთან საბრძოლველად 10 ჰერცზე მაღალ სიხშირეებზე სარკეები ჩამოკიდებულია ზამბარების სისტემაზე, ხოლო 10 ჰერცზე დაბალ სეისმურ რხევებთან და ძლიერი ლაზერული სხივებით გამოწვეულ სარკეების რხევებთან საბრძოლველად გათვალისწინებულია უკუკავშირის მქონე ხაზოვანი კონტროლერი. მისი სენსორები მუდმივად ამოიცნობენ სარკის გადახრას და საჭიროების შემთხვევაში ასწორებენ მას. თუმცა არსებობს პრობლემა: 10-დან 30 ჰერცამდე სიხშირეებზე კონტროლერის სენსორების შიდა ხმაური რამდენიმე რიგით უფრო ინტენსიურია, ვიდრე სარკეების რხევისგან გამოწვეული ხმაური. შედეგად, კონტროლერი ვერ ამოიცნობს და ვერ აქრობს ამ რხევებს, პირიქით – დამატებით დაბრკოლებებს ქმნის, რადგან ცდილობს საკუთარი ხმაურის მოშორებას. ამის გამო ასტროფიზიკოსები კარგავენ დაკვირვების შესაძლებლობას იმ სიხშირეების დიაპაზონში, სადაც ნეიტრონული ვარსკვლავების შერწყმის საწყისი ეტაპების დაფიქსირებაა შესაძლებელი.
აქტიური სტაბილიზაციით გამოწვეული ხმაურის თავიდან ასაცილებლად, ბრიტანეთის, იტალიისა და აშშ-ის მკვლევართა ჯგუფმა, Google DeepMind-ის კოლაბორაციიდან, შემოგვთავაზა ხმაურის კორექციისთვის გაძლიერებით სწავლებაზე დამუშავებული ნეიროქსელის გამოყენება. ამის შესახებ მოთხრობილია 2025 წლის 4 სექტემბერს, ჟურნალ Science-ში გამოქვეყნებულ, ლაბორატორია LIGO-ს მეცნიერებთან ერთობლივ სტატიაში.
საკმაოდ სწრაფი რეაქციისთვის კონტროლერზე რხევების მიმართ შეირჩა მცირე მრავალფენიანი პერცეპტრონი, ხოლო იმისათვის, რომ მოდელს სარკის რხევების დროითი ანალიზიც შეძლებოდა, ნეიროქსელის შესავალში დაემატა დილატაციური კონვოლუცია. გაძლიერებით სწავლებაში პერცეპტრონისთვის გამოიყენეს „კრიტიკოსი“ — უფრო რთული ნეიროქსელი ხანმოკლე მეხსიერებით (LSTM), რომელიც აფასებდა, რამდენად ეფექტური იყო პერცეპტრონის ქცევა. შემდეგ კრიტიკოსთან თანხმობაში მაქსიმალური აპოსტერიორული ალბათობის ოპტიმიზაციის (MAP-ოპტიმიზაცია) ალგორითმი ასწორებდა პერცეპტრონის ჩვენებებს ისე, რომ ახალი სტრატეგია უკეთესი ყოფილიყო, მაგრამ ძველისგან ძალიან არ განსხვავებოდეს (სტაბილურობისთვის).
ნეიროქსელი გაწვრთნეს LIGO-ს ობსერვატორიის ზუსტ სიმულატორზე, სადაც გათვალისწინებული იყო სენსორის შიდა ხმაური, სეისმური ხმაური და ლაზერისგან წარმოშობილი ხმაური, რომლებიც ხანდახან სპეციალურადაც იზრდებოდა. მთელი სწავლის პროცესი თამაშს ჰგავდა, სადაც პერცეპტრონი ცდილობდა მაქსიმალური ქულა მიეღო დეტექტორში ხმაურის შემცირებისთვის. ყოველი ნაბიჯისას პერცეპტრონს უნდა გაეანალიზებინა სენსორის წინა 256 გაზომვა და აერჩია მოქმედება სარკეზე, რის შემდეგაც LIGO-ს სიმულაცია მოდელირებდა სისტემის ცვლილებას და ანიჭებდა ჯილდოს შემდეგი პრინციპით: სამ სიხშირით რეგიონში — დაბალ სიხშირეებში, 8-დან 30 ჰერცამდე დიაპაზონში და მაღალ სიხშირეებში 40 ჰერცზე ზევით — არსებობდა საკუთარი ფილტრი, რომელიც გასცემდა რიცხვებს 0-დან 1-მდე (სიგმოიდური ფუნქციის გამოყენების შემდეგ). აქ 0 ნიშნავდა, რომ ხმაური ამ დიაპაზონში ძალიან ძლიერია, ხოლო 1 — რომ ხმაური მითითებულ ზღვარს ქვემოთაა. ეს სამი მნიშვნელობა ერთმანეთზე მრავლდებოდა, ამიტომ უმაღლესი ჯილდოს მისაღებად პერცეპტრონს საჭირო ჰქონდა ხმაურის შემცირება სამივე დიაპაზონში ერთდროულად. ნაბიჯის ბოლოს MAP-ოპტიმიზაცია კრიტიკოსის მონაცემების მიხედვით ცვლიდა პერცეპტრონის სტრატეგიას. თამაშის წარმატებით გავლა ნიშნავდა, რომ მოდელი მზად იყო საბოლოო ტესტისთვის და რეალურ დეტექტორში გამოსაყენებლად.
სწავლის შემდეგ პერცეპტრონის მოდელი უფრო სტაბილური და პროგნოზირებადი გახადეს — მის სტოქასტურ ქმედებებს საშუალო მოქმედებები ჩაენაცვლა. მოდელი კიდევ ერთხელ გამოსცადეს სიმულატორზე ექსტრემალურ პირობებში, გაანალიზეს მიღებული ჯილდო და ხმაურის სპექტრები. მხოლოდ ამის შემდეგ იყო საბოლოო ვერსია პერცეპტრონისა (უკვე კრიტიკოსისა და MAP-ოპტიმიზატორის გარეშე) მზად ლივინგსტონის LIGO-ს რეალურ ობსერვატორიაში გამოსაყენებლად.
ნეიროქსელი დამონტაჟდა ძველი ხაზოვანი კონტროლერის ადგილას, აპარატურის ცვლილებისა და რეალურ ობიექტზე დამატებითი სწავლის გარეშე. კონტროლერის მუშაობის შედეგად, რომელიც ჯამში ერთ საათზე მეტ ხანს გაგრძელდა, მან აჩვენა მდგრადობა სეისმური აქტივობის მიმართ და 10-დან 30 ჰერცამდე დიაპაზონში ხმაური ორი რიგით შეამცირა, ჩამოიყვანა რა იგი კვანტურ ზღვარზე ქვემოთ — იმ ფიზიკურ საზღვარზე, რომლის შემდეგაც დაკვირვებებს მხოლოდ კვანტური ფლუქტუაციები უშლის ხელს! ეს ნიშნავდა, რომ „თამაშის“ გავლის შედეგად მოდელმა ისწავლა სენსორის ხმაურის იგნორირება და მხოლოდ რეალურ ხმაურებთან მუშაობა.
წყარო:
