Penggunaan Deep Learning dalam Membantu Mendeteksi Gelombang Gravitasi

Pencarian objek-objek alam semesta menjadi suatu hal yang sangat penting dalam membuktikan kebenaran dari sebuah teori astronomi. Seperti yang telah kita saksikan bersama bahwa hadiah nobel 2017 dianugrahkan kepada tiga ilmuwan penemu riak dalam struktur ruang-waktu alam semesta yang disebut sebagai Gelombang Gravitasi (Gravitational Waves). Mereka bertiga adalah Rainer Weiss dari MIT (Massachusetts Institute of Technology, USA), Kip Thorne dari Caltech (California Institute of Technology) dan  Barry C Barish yang juga dari Caltech. Dengan demikian keberadaan teori yang diusulkan oleh Albert Einstein pada tahun 1916 tentang Gelombang Gravitasi  melalui relativitas umumnya mendapat pengakuan secara anumerta[1][2][3][4].

Lebih lengkap mengenai Gelombang Gravitasi dapat dibaca pada Langkah Baru dalam Observasi Objek Alam Semesta Melalui Gelombang Gravitasi.

Gambar 1. Tiga orang peraih Nobel Fisika 2017[1]

Pada 27 Desember 2017 terbit makalah di jurnal ScienceDirect yang ditulis oleh Daniel George & E.A.Huerta, berjudul “Deep learning for real-time gravitational wave detection and parameter estimation: Results with advanced LIGO data“.  Mereka berdua merupakan ilmuwan dari National Center for Supercomputing Applications (NCSA), yang terletak di Universitas Illinois, Urbana Champaign. Dalam makalahnya menyatakan bahwa mereka telah menggunakan Deep Learning (belajar dalam) pada GPU-accelerated untuk mendeteksi dengan cepat dan karakteristik-karakteristik yang dimiliki oleh Gelombang Gravitasi. Dari hasil tersebut sangat membantu para astronom dalam mempelajari Gelombang Gravitasi dengan menggunakan proses komputasi yang minimal, mempercepat proses penemuan, dan meningkatkan kelimiahan dalam proses pendeteksiannya oleh karena faktor-faktor gangguan seperti gelombang-gelombang dari bukan sumber penggabungan lubang hitam[6].


Gambar 2. Instrument LIGO (Laser Interferometer Gravitational-Wave Observatory) yang terdiri dari dua buah lengan berbentuk L dengan panjang 4 km dan memiliki dua buah detektor yang mana lengan satunya terpasang di Livingston, Louisiana dan lengan yang lainnya terpasang di Hanford, Washington Timur[1][2].

Deep Learning merupakan salah satu dari cabang Kecerdasan Buatan (Artificial Intelligence, AI) yang mampu belajar secara mendalam karena banyaknya jumlah lapisan tersembunyi (hidden layer) pada neuron. Berbeda dengan Jaringan Saraf Konvensional yang hanya terdiri dari 1-2 lapisan tersembunyi saja[7][8]. Penelitian yang mereka lakukan dengan menggunakan algoritma Deep Learning pada simulasi numerik teori relativitas dari penggabungan lubang hitam dengan menjalankan simulasi pada superkomputer Blue Waters. Dan, dengan data dari LIGO Open Science Center para peneliti membuat Deep Filtering (penyaringan dalam) dengan sebuah metode pemroses sinyal (signal processing) yang bersifat end-to-end time series. Dengan menerapkan Deep Filtering dapat dicapai kepekaan yang sama dengan metode algortima yang sudah ada, tapi dengan tingkat kesalahan lebih rendah sekaligus menjadi lebih efisien dalam proses komputasi dan lebih tahan terhadap gangguan yang berupa anomali kebisingan (noise).

Baca juga artikel yang berjudul “Memahami Kecerdasan Buatan berupa Deep Learning dan Machine Learning“.

Tombol ajaib ini akan mengirimkan artikel Warung Sains Teknologi ke beranda Facebook Anda:


(klik tombol diatas)

Artikel yang berhubungan:

Warstek.com disponsori oleh:

     
Wayan Dadang

Wayan Dadang

Mahasiswa S1 Teknik Elektro Universitas Sriwijaya, menekuni Kecerdasan Buatan, Sistem Kontrol, dan Robotika. Mencintai kegiatan membaca Paper Sains, Belajar, Menulis, dan Riset.

Yuk Ajukan Pertanyaaan atau Komentar