La búsqueda de muestras y ruido en datos grandes y complejos desarrollados por la conveniencia de LIGO que detectó la ola de gravedad es simplemente más fácil, gracias al trabajo del lado del río de la Universidad de California.
Los investigadores de UCR presentaron una disertación en el reciente taller de Big Data IEE, que incluye un nuevo no monitoreo para encontrar nuevas muestras en el Observatorio de Visión de Gravedad de la Interfaz de Láser, o los datos del canal auxiliar de LEGO que la máquina se mostró el aprendizaje. Esta tecnología también se implementa en experiencias de partículas a gran escala potencialmente y sistemas industriales grandes complejos.
LEGO es una instalación que detecta las ondas de gravedad, barreras temporales para la tela de tiempo espacial, que son ampliamente creados por los cuerpos rápidamente. Confirmando la teoría de las relaciones relativas de Einstein, la primera persona en detectar tales ondas integrando agujeros negros. LEGO tiene dos trabajos de interfaz de 4 km de 4 km de largo, Washington y Longston, Louisiana-trabajo para detectar ondas de gravedad al emplear vigas láser de alta potencia. Aquellos que descubren estos descubrimientos ofrecen una nueva forma de observar el universo y resolver preguntas sobre la naturaleza de los agujeros negros, el universo y los estados densos de material en el universo.
Se registran miles de flujos de datos o canales en cada uno de los dos detectores LEGO, que crean la producción de sensores ambientales ubicados en sitios de detectores.
“El enfoque de aprendizaje de la máquina hemos desarrollado con los comisionados y partes interesadas de LEGO”, dijo Jonathan Richardson, profesor asistente de física y astronomía liderada por el Grupo LEGO de UCR. Operadores en los detectores de logotipos, sin información humana en absoluto. Esto abre la puerta a un poderoso dispositivo experimental que usamos para nutrir y ayudar directamente a la pareja de ruido. Guiar las mejoras futuras. “
Richardson explicó que los detectores de LEGO son extremadamente sensibles a cualquier tipo de ansiedad externa. El movimiento del suelo y cualquier tipo de movimiento de vibración, desde el aire hasta las ondas costeras que invaden la costa de Groenlandia o el Pacífico, pueden afectar la sensibilidad de la experiencia y la calidad de los datos, lo que resulta en “defectos” o el ruido, dijo. .
“Las condiciones ambientales se monitorean permanentemente en los sitios”, dijo. “LEGO tiene más de 100,000 canales auxiliares, incluidos terremotos y ácidos que sienten el entorno donde están presentes las interfaces. La herramienta que hemos desarrollado puede identificar diferentes estados ambientales, como terremotos, microsomas y ruido antropogénico, muchos canales de detección cuidadosamente seleccionados y curáticos .
Wagelis Paplexics, profesor asociado de informática e ingeniería, que tiene un presidente de familia Ross en informática, presentó la disertación del equipo, titulada “Multi para el estado ambiental del estado ambiental de las voces de gravedad de la serie Varlettime,” big data y big data y Herramientas de IA, modelos y talleres internacionales para descubrimientos científicos modernos en Washington, DC el mes pasado
“La manera en que funciona nuestro enfoque de aprendizaje automático es que tomamos un modelo para identificar las muestras en el conjunto de datos y dejamos que el modelo encuentre las muestras por sí solas”, dijo Poplaxakis. “Este dispositivo pudo identificar las mismas muestras que son muy compatibles con los estados ambientales significativos que ya se conocen como operadores humanos y comisionados en sitios LIGO”.
Paplaxaks agregó que el equipo ha trabajado con el apoyo científico de Ligo para lograr la liberación de un gran conjunto de datos, que está relacionado con el análisis informado en el trabajo de investigación. La publicación de estos datos no solo permite a la comunidad de investigación verificar los resultados del equipo, sino también desarrollar nuevos algoritmos que intenten identificar muestras en los datos.
“Hemos identificado un vínculo interesante entre el ruido ambiental externo y la presencia de ciertos tipos de defectos que estropean el estándar de datos”, dijo Poplaxicis. “Este descubrimiento tiene la capacidad de ayudar a eliminar o prevenir la presencia de tal ruido”.
El equipo organizó y trabajó a través de todos los canales de LIGO durante casi un año. Richardson señaló que la versión de datos fue un paso importante.
“Nuestro equipo lideró el lanzamiento de todo el apoyo científico de LEGO, que tiene alrededor de 3, 3.200 miembros”, dijo. “Este es el primero de estos datos específicos y creemos que su máquina tendrá un gran impacto en el aprendizaje y la comunidad de informática”.
Richardson explicó que la herramienta que el equipo ha desarrollado puede tomar información de los gestos de varios sensores contradictorios que miden varios obstáculos alrededor de los sitios de LIGO. Dijo que el dispositivo se puede hacer en la misma condición con este dispositivo, después de lo cual los detectores de LEGO enfrentan problemas de ruido y actualmente asociados con los estados ambientales del sitio.
“Si puede identificar muestras, puede hacer cambios físicos en el detector, puede cambiar los ingredientes, por ejemplo”, dijo. “La esperanza es que nuestra herramienta pueda resaltar las rutas de la pareja de ruido físico, lo que permite cambios experimentales viables en los detectores de LIGO. Nuestro objetivo a largo plazo es hacer que este dispositivo sea nuevo para nuevas asociaciones y nuevas formas de entorno ambiental. Usarlo detectar.
Pan Gadarzi, un estudiante de doctorado que trabaja con Richardson y co -participante en el documento, enfatizó la importancia de la emisión de datos de emisión pública.
“En general, tales cifras son propietarias”, dijo. “Sin embargo, logramos emitir un conjunto de datos masivo, que a su vez esperamos que la ciencia de datos y el aprendizaje automático sean más investigaciones interfalladas”.
La investigación del equipo fue otorgada por un programa especial por una subvención de la Fundación Nacional de Ciencias, que condujo al descubrimiento con herramientas de IA, que para superar problemas en estudios físicos/ inteligencia artificial/ el enfoque estaba en aplicar el aprendizaje automático.
Richardson, Poplexics y Gadarzi se unieron a la investigación de Ratuja Gorao, una estudiante de doctorado que trabaja con Paplaxics. Isaac Kelly, estudiante de verano de Río; El Observatorio LEGO de LEGO Longston de Anamariya; Y el destacado profesor de UCR Baris Barish en física y astronomía.
