Mario Juri bir keresinde matematiğin fiziği felsefeden bilime dönüştürdüğü gibi, veri ve hesaplamanın da günümüz bilimini dönüştürdüğünü ve Juri'in yaklaşan veri akışına hazırlanmak için astronominin tanıtımına öncülük ettiğini söyledi. Juri, Yugoslavya'da büyükbabasının fizik kitabını okurken, yıldızların farklı renklerinin farklı sıcaklıkları temsil ettiğini öğrendi. Sekizinci sınıf bilim sergisi projesi sırasında Juri, spektral ışığı yakalamak istedi; bu yüzden öğretmenden bir prizma ödünç aldı, prizmayı eski kameraya bağlamak için karton bir tuvalet kağıdı tüpü ve bant kullandı, ardından yıldız ışığının prizmadan geçmesine izin vermek için birkaç dakika deklanşörü açtı. Filmdeki ışığı yakalayın. Zagreb'de yaklaşık 1 milyon insanla yaşıyor, normal şartlar altında şehrin ışık kirliliği ölçümlerini aşacak. Ancak Yugoslavya'da çıkan acımasız savaş sırasında Juri ortaokulda okuyordu ve patlamanın etkisiyle şehir elektrik tedarikini durdurmuştu.
Mario Juri, Washington Üniversitesi'nde. Resim: Quanta Magazine için Chona Kasinger
Boko Park-Bilim Popülerleştirme: Tüm şehir karanlığa gömüldü. Geriye dönüp bakınca babam bana çok hoşgörülü davrandı çünkü elektrik olmadığında arka bahçeye ekipman kurmamı ve gökyüzünün fotoğraflarını çekmemi bile istedi.Başarılı bilimsel plan ona yıldızları incelemeye devam etmesi için güven verdi. Kötü şeyler de iyi şeylere dönüşebilir Juri bu cümleden sohbette defalarca bahsetti. Lisede, yerel bir 40 santimetrelik teleskop, gözlerinde bir asteroit sondasına dönüştü. Astronomiye olan tutkusu, onu Princeton Üniversitesi'nde fizik alanında yüksek lisans öğrencisi olduğu 2002 yılında Amerika Birleşik Devletleri'ne getirdi. Şimdi Seattle'daki Washington Üniversitesi'nde bir profesör ve büyük miktarda verinin nasıl yönetileceğini bulmak için çok zaman harcıyor, bu yakında Büyük Hava Araştırma Teleskobu'ndan (LSST) gelecek. LSST, 3,2 milyar piksel ile dünyanın en büyük kamerası olan geniş bir görüş alanı teleskopudur ve teleskopun gece başına yaklaşık 20 megabayt veri üretmesi beklenmektedir. Quiqa ve Juri, veri genişlemesinin astronom olmanın anlamını nasıl değiştireceğinden şu şekilde bahsetti:
Resim, Juri'i Zwicky Geçici Tesisindeki (ZTF) uyarı akışının önünde gösteriyor. ZTF, asteroitler veya süpernova gibi hareket eden veya parlaklığı değiştiren nesneleri gözlemlemek için kullanılan bir gözlemevidir. Bulunursa, ZTF gökbilimcileri 20 dakika içinde uyaracak ve her gece 1 milyon uyarı gönderecektir. Büyük anket teleskopu, algılama noktasına bir dakika içinde bir alarm gönderecek ve her gece yaklaşık 10 milyon alarm oluşturması bekleniyor. Resim: Quanta Magazine için Chona Kasinger
Antik Yunan'dan başlayarak, karşılaştığımız en büyük zorluk veri toplamaktı. Astronomi, sınırlı veriye sahip bir bilimdir. Günümüzde, temsili araştırma incelemeleri yüz milyonlarca yıldız hakkında bilgi üretecek. LSST kullanarak, belirli bir kurumsal sisteme girecek ve yaklaşık 40 milyar nesneyi gözlemleyeceksiniz. Birdenbire büyük miktarda veri, çok sınırlı bilgiyle bilimsel bir alana aktı. Evren teorisine ve anlayışına dayanarak, yüzlerce araştırma nesnesiyle karşı karşıya kalmalıyız, ancak şimdi milyonlarca nesneyle uğraşmak zorundayız. Veri hacmindeki keskin artış, veri işlemeye büyük zorluklar getirdi. Şimdi, teorileri inşa etmek ve çıkarımlar yapmak için bunları faydalı şeylere dönüştürmenin bir yolunu bulmalıyız. Bir bilgisayarın benim için yapmasına ihtiyaç duyduğum şeyi ifade etmek veya benim için ölçmek için kodu kullanamazsam, o zaman toplanan herhangi bir veriyi teoriler hakkında mantık yürütmek için kullanılabilecek bir forma dönüştüremem.
Bence fizik felsefeden ayrıldığında, ikisi arasındaki farkı yaratan matematikti. Mantığı bir dizi denklem ve katı kurallarla yazın.Bu kurallar sizi A noktasından B noktasına kendi kendine tutarlı bir şekilde götürecektir. . Fizik bir sonraki adımı atacaksa, bunu yapması gerekir, böylece fizik matematikle bağlantılıdır ve matematik, fiziğin dili haline gelir. Şimdi aynı şeyle karşı karşıyayız.Yazılım mühendisliğinin bu konuda da aynı şeyi yapması gerektiğini göstermek için bu büyük veri setlerini kullanmak zorundayız Çevremizdeki dünyayı hayal etmek için ihtiyacımız olan dil haline geliyor. Doğa bilimlerinin gelişiminde başka bir dönüm noktasındayız Programlama gerçekten bilim kadar matematik kadar önemlidir.
Şimdi bilgisayara çeşitli ölçümler yapması için nasıl talimat vereceğimizi öğrenmeye başlamalıyız. Örneğin, bir görüntüyü izlerken bilgisayar, insan gözünün görmesi zor olan galaksileri kolaylıkla gözlemleyebilir. Bunun nasıl yapılacağını, bilgisayarlara astronomik görüntülere bakmalarını, tüm nesneleri doğru şekilde tanımlamalarını ve herhangi bir insan yardımı olmadan tüm nesneleri doğru şekilde ölçmelerini nasıl öğreteceğimizi inceledik. Bu alanın artık bilgisayarların bu verileri işleyebileceği ve bize dizinleri verebileceği bir alana geçiş yaptığını düşünüyorum. Büyük verinin bir sonraki evriminde, bilgisayara görüntü çıktısı alma, tüm dizinleri kataloglama ve sonra bizim için bir dizi anlamlı şey bulması talimatı verilecek. Bilgisayar, işlerin ne kadar ilginç olduğuna göre bizim için bir masa bile ayarlayabilir.
Astrofiziğin birçok alanında nesneler parlaklığı vb. Değiştirebilir, ancak hareket etmeyecektir. Bununla birlikte, güneş sistemi benzersiz özellikler sergiler - güneş sistemindeki nesneler hareket eder. Gökyüzünün bir resmini çektiğinizde bir asteroit bulacaksınız, ancak yine bir yıldıza benziyor; başka bir fotoğraf çektiğinizde hareket ettiğini fark edeceksiniz. Yani şimdi bu noktaları gerçekten birleştirmek için bazı algoritmalar bulmanız gerekiyor. LSST ile ekliptikteki her görüntü 5000 asteroit gibi bir şey içerir. Bu dönüşüm her gece milyonlarca kez gerçekleşir ve her gece hareket eden bir milyon nokta vardır ve sonra hangisinin hangisiyle eşleştiğini bilmeniz gerekir. Yani şimdi odak noktası, doğru bağlantı için DOTS algoritmasını nasıl oluşturacağımızı bildiğimizden emin olmaktır.
Algoritmanın nasıl oluşturulduğuna bağlıdır Bugün sahip olduğumuz bilgilere dayanarak, bunun niteliklere sahip olmaması gereken nesneler için nasıl davranacağını ciddi olarak düşünmeliyiz. Algoritmanın tüm bu nesneleri olabildiğince geniş bir şekilde yakalamasını sağlamaya ve algoritmanın kör noktalarını anlamaya çalışıyoruz.
Resim: Quanta Magazine için Chona Kasinger
Bilgisayar bilimi mi yoksa astronomi mi okumak istediğime asla karar veremeyecek türden biriyim. Bilgisayar güzeldir çünkü sınırlar yaratmaz. Bir kod parçası girdiğinizde, bilgisayarda yeni bir dünya yaratmak gibidir. Benim için bu neredeyse sanatsal bir yaratım. Öte yandan dünyanın nasıl çalıştığını anlamak istiyorum. Doktora için Princeton Üniversitesi'ne gittiğimde, Sloan Dijital Gökyüzü Araştırması yeni başlamıştı. Şöyle düşündüm: Vay canına, çok fazla veri çarpıyor ve insanların verileri anlamaları zor; o anda, hayalim gerçekleştiğini fark ettim: Artık bilgisayarla ilgili mi yoksa astronomiyle ilgili şeyler mi çalışacağıma karar vermem gerekmiyor, Çünkü bu ortamda her ikisine de ihtiyaç var.
Bunun bir amaca yönelik bir araç olduğunu düşünüyorum. Algoritmanın kendisine odaklanmak için çok zaman harcadım, ancak bunları ilginç sonuçlar bulmak için kullanmayı tercih ediyorum. Astronomik konularla hareket ediyorum, ancak yaklaşımımın bir sonraki kişinin yaptığım şey temelinde araştırmaya devam etmesine izin verdiğinden emin olmak istiyorum.
Sloan'ın tarihinde toplam 10 ila 20 megabayt görüntüleme ürettiğini düşünüyorum ve LSST bunu bir gecede yapabilir. Nesne sayısı açısından Sloan'da 500 milyon yıldız var. LSST'de her biri 825 kez görülebilen yaklaşık 20 milyar yıldız vardır. Büyük zaman alanına odaklanacağız. Diğer bir problem ise, bir problemi bir fırsat olarak düşündüğünüzde, LSST her bir nesne için düzinelerce hatta yüzlerce potansiyel şeyi ölçecektir.
21. yüzyılın başında insanlar, astronominin bu bölümünü tamamlamak için ayrı bir teleskop inşa etmek yerine, bu bölüm için ayrı bir teleskop inşa etmenin daha iyi olduğunu fark ettiler. Yapmamız gereken, tüm gökyüzünü gözlemlemek için bir teleskop yapmak. Ancak yine de bu verileri, güneş sistemindeki bilim adamlarının güneş sistemindeki nesnelere odaklanmasını sağlayan bir biçime dönüştürmeniz gerekiyor ve karanlık enerji üzerine çalışan insanlar zayıf mercek haritalaması yapıyor. Veri işleme, LSST'nin en önemli önceliği haline geldi. Bu astronomideki ender projelerden biridir Sorumlu olduğum veri sistemi, teleskop ve kamera kadar pahalı ve büyük.
Toplanması gereken tüm verileri topladığınızda geriye kalan tek şey onları daha iyi analiz etmektir. Testin modele uymasına izin veren bazı istatistiksel yöntemler vardır. İstatistik, verilerden bilgi elde etmek ve sahip olduğunuz verilere dayalı olarak bilgiyi ölçmektir. İstatistikleri çok standart bir şekilde kullanıyoruz, örneğin bu bir istatistik yemek kitabı. Malzemeleri kontrol etmeli, doğru pişirme sırasını ve doğru pişirme yöntemini seçmelisiniz. Bir veri setinin belirli kriterleri karşılaması gerekiyorsa ve bu kuralı iyi uygulayabilirseniz, iyi şeyler olacaktır. Neredeyse her şeyi ölçebildiğimiz noktaya geldik ve yapılacak tek şey verileri doğru analiz etmek. İnsanlar istatistiğin sıkıcı olduğunu düşünür, ancak bu bilimin temel öğesidir ve bilim adamları verilerde bilgi bulabilirler.
Parçacık fizikçileri bir süredir, belki bizden 5-10 yıl önce üzerinde çalışıyorlar. Oşinografi ve ekoloji artık aynı alana giriyor, ihtiyaç duyulan temel araçlar yalnızca değişen bilimdir.
Brocade Park-Bilim Popülerleştirme Metin: Liz Kruesi / Quanta dergisi / Quanta Haber Bülteni
Brocade Park - Evren Biliminin Güzelliğini Sunuyor