ZHAW hilft mit generativer KI, einige der grössten Geheimnisse des Universums zu entschlüsseln
Die Schweiz ist Teil des Square Kilometre Array Observatory (SKAO), einer internationalen Organisation, die zwei der grössten Radioteleskope der Welt baut. Das Schweizer Konsortium für das SKAO (SKACH), dem zehn Schweizer Institutionen angehören, wird am 10. und 11. Juni 2024 sein jährliches Frühjahrstreffen an der ZHAW School of Engineering durchführen.
Das SKAO wird Square Kilometre Array Observatory genannt, weil seine beiden Teleskope nach der Fertigstellung aus Hunderten von Parabolantennen in Südafrika und Tausenden von Antennen in Australien bestehen sollen, die über weite, abgelegene Gebiete verteilt sind. Dank der Grösse und Empfindlichkeit der Teleskope wird das SKAO schwache Radiosignale aus Milliarden von Lichtjahren Entfernung aufspüren und den Himmel bis zu hundertmal schneller abbilden können als andere moderne Radioteleskope. Damit können Forschende das Universum auf eine Weise beobachten und messen, wie es bisher nicht möglich war. Mit den SKA-Teleskopen ist es möglich, Einblicke in die Frühzeit des Universums, die Entstehung der ersten Sterne und Galaxien, die Rolle der dunklen Materie und des kosmischen Magnetismus zu gewinnen. Ausserdem können Forschende damit erdähnliche Planeten untersuchen, die Hunderttausende von Lichtjahren entfernt sind, und vieles mehr.
KI-Know how der ZHAW gefragt
16 Länder sind an der Entwicklung und dem Bau der SKAO-Teleskope beteiligt. Die ersten Antennen wurden im März 2024 in Westaustralien installiert, während die Komponenten für die ersten drei Parabolantennen in Südafrika bereits geliefert wurden. Die gesamte Konstruktion wird voraussichtlich im Jahr 2029 fertiggestellt werden. Doch schon bevor das SKAO funktionstüchtig sein wird und Daten sendet, gibt es viel zu tun. ZHAW-Forscherin Elena Gavagnin, die das Projekt "Mock-observation via generative Deep Learning" leitet, sagt: "Die Datenmenge, die pro Sekunde generiert wird, ist beispiellos. Aus technischer Sicht besteht eine der Herausforderungen darin, dass diese Daten verarbeitet werden müssen, um Bilder zu erzeugen." Die Schweizer Mission, die hauptsächlich vom Staatssekretariat für Bildung, Forschung und Innovation (SBFI) finanziert wird, soll dazu beitragen, Datenprodukte für die Forschung bereitzustellen, damit diese das Universum beobachten kann.
Die ZHAW School of Engineering sowie die ZHAW School of Management and Law bringen ihr Know-how in den Bereichen KI und maschinelles Lernen in dieses internationale Projekt ein. Da die Astrophysik nicht auf Experimente zurückgreifen kann, um zu zeigen, wie sich beispielsweise Galaxien bilden, sind die Forschenden auf Simulationen angewiesen, die auf den Gesetzen der Physik basieren und astrophysikalische Prozesse abbilden, um die beobachteten Phänomene zu untersuchen und Hypothesen zu testen. Die Ergebnisse der Simulationen stellen jedoch eine idealisierte Version der astrophysikalischen Objekte dar, die wir im Universum vorfinden. Teleskope liefern Beobachtungen, die weit von diesen «perfekten» Darstellungen entfernt sind. Im Rahmen von SKACH, dem Schweizer Konsortium, das die Aktivitäten rund um SKA in der Schweiz koordiniert, verwenden Elena Gavagnin (ZHAW-Institut für Wirtschaftsinformatik), Frank-Peter Schilling und Philipp Denzel (beide vom Centre for Artificial Intelligence CAI der ZHAW School of Engineering) generative Deep-Learning-Techniken, um zu untersuchen, wie sich die Ergebnisse idealer numerischer Simulationen auf realistischere Beobachtungen beziehen und umgekehrt. Elena Gavagnin erklärt: «Mit Hilfe von Machine Learning können wir diese Simulation mit dem vergleichen, was die SKAO-Instrumente in der Realität beobachten werden. Wenn wir die reale Beobachtung einer Galaxie erhalten, können wir lernen, wie die perfekte Galaxie dahinter aussehen würde. Daraus lassen sich dann Eigenschaften ableiten, wie zum Beispiel die Verteilung der dunklen Materie. Zu diesem Zweck verfügen wir über einen riesigen Katalog von simuliertem Gas - der Materie, die wir sehen - und Karten der dunklen Materie - der Komponente einer Galaxie, die wir nicht sehen können. Unser Modell ist darauf trainiert, die Gaskarte zu reproduzieren, wenn wir ihm die Karte der dunklen Materie geben und umgekehrt. Das ist so, als würde man die Farbe eines Bildes aus vielen Schwarz-Weiss-Bildern vorhersagen.» Frank-Peter Schilling ergänzt: «Wir verwenden hochmoderne Diffusionsmodelle, die sich hervorragend für Bildübersetzungsaufgaben eignen, und zwar die gleiche Art von Modellen, die wir auch für die Verarbeitung medizinischer Bilder verwenden - eine schöne Synergie.»
Das ZHAW-Team arbeitet mit der Universität Zürich zusammen, die für die Simulationen zuständig ist, sowie mit der FHNW, die einen digitalen Zwilling des eigentlichen Teleskops entwickelt. Das Treffen an der ZHAW School of Engineering im Juni wird sich auf aktuelle Informationen des Konsortiums zu Instrumenten, Computerinfrastruktur, Datenwissenschaft und Simulationen, Wissenschaft und Öffentlichkeitsarbeit konzentrieren.