AI revolutionerer astrofysikken: Glombitza knækker kosmiske strålingspuslespil!

Transparenz: Redaktionell erstellt und geprüft.
Veröffentlicht am

Dr. Jonas Glombitza fra universitetet i Erlangen-Nürnberg bruger kunstig intelligens til at analysere kosmiske stråler. Han modtog ETI Award 2025.

Dr. Jonas Glombitza von der Uni Erlangen-Nürnberg nutzt KI zur Analyse kosmischer Strahlung. Er erhielt den ETI-Award 2025.
Dr. Jonas Glombitza fra universitetet i Erlangen-Nürnberg bruger kunstig intelligens til at analysere kosmiske stråler. Han modtog ETI Award 2025.

AI revolutionerer astrofysikken: Glombitza knækker kosmiske strålingspuslespil!

Et gennembrud inden for forskning i kosmisk stråle kunne opnås takket være anvendelsen af ​​kunstig intelligens (AI). Dr. Jonas Glombitza fra Erlangen Center for Astropartikelfysik (ECAP) har udviklet innovative teknikker til dataanalyse. Disse viser, at de mest energiske partikler, der når Jorden, overvejende er tunge kerner, såsom nitrogen- eller jernatomer, snarere end protoner. Disse fund er en del af en omfattende undersøgelse, der er udført i samarbejde med verdens største observatorium til undersøgelse af kosmiske stråler, Pierre Auger Observatory i Argentina.

Glombitza begyndte at programmere maskinlæringsværktøjer til analyse af partikelbrusere på RWTH Aachen University i 2017. Siden han flyttede til FAU i 2022, har han arbejdet videre med at forfine disse teknikker. I 2025 blev han tildelt ETI Award, et universitetstalentfremmeprogram, som anerkendelse af hans betydelige bidrag til astrofysik. Han siger dog, at begrebet "kunstig intelligens" ofte defineres anderledes, og han er tilbageholdende med at bruge det.

Pierre Auger-observatoriet

De Pierre Auger Observatorium er det største anlæg til forskning i kosmiske stråler med et areal på 3.000 km². Anlægget omfatter 27 teleskoper og 1.660 overfladedetektorer anbragt i vandtanke. Observationerne fokuserer på den fluorescerende lysemission, der genereres af de luftbyger, der skabes, når primære partikler interagerer med jordens atmosfære.

Teleskoperne fungerer dog kun under optimale forhold, såsom klart, måneløst vejr, hvilket begrænser dataindsamlingen. På trods af disse udfordringer kan AI-assisteret analyse rekonstruere fordelingsmønstrene for partikler fra overfladedetektorerne og estimere massen af ​​de primære partikler. Denne teknologi gør det muligt at evaluere omkring 60.000 partikelbruser inden for et relativt kort tidsrum - en opgave, der ville have krævet omkring 150 års traditionelle teleskopobservationer uden AI.

Udfordringer af kosmiske stråler

Kosmiske stråler, beskrevet som højenergipartikelstråling fra Solen, Mælkevejen og fjerne galakser, består primært af protoner, elektroner og ioniserede atomer. Hver primær partikel skaber en partikelbruser, der kan frigive op til 10^11 sekundære partikler. I jordens atmosfære rammer omkring 1.000 partikler pr. kvadratmeter det ydre lag hver dag.

Et centralt mysterium i fysikken vedrører oprindelsen af ​​højenergipartikler, som har energier over 10^20 eV. Disse partikler forekommer ekstremt sjældent, omkring en partikel per kvadratkilometer per århundrede, og deres undersøgelse kræver store detektorfaciliteter såsom Pierre Auger Observatory. Over 250 videnskabsmænd fra 17 lande arbejder på disse udfordringer som en del af Pierre Auger-samarbejdet.

Ud over de grundlæggende forskningsemner undersøges også AugerPrime-opgraderingen af ​​detektoren, som kombinerer forskellige typer partikeldetektorer, herunder optiske fluorescensteleskoper og radioantenner. De målte data kunne ikke kun hjælpe med at løse mysterierne omkring kosmiske stråler, men også studere deres virkninger på strålingseksponering, især for mennesker i flyrejser.

Overordnet set illustrerer den nuværende udvikling inden for anvendelse af kunstig intelligens i astropartikelfysik de enorme muligheder, der opstår fra symbiosen mellem moderne teknologi og klassisk fysik. De ekstraordinære fremskridt på dette område kan have vidtrækkende konsekvenser for vores forståelse af kosmiske stråler og deres oprindelse.