Künstliche Intelligenz schärft den Blick ins All

Neuer Forschungscluster verbindet Radioastronomie und Datenwissenschaft in Nordrhein-Westfalen

30. August 2021
Auf der Suche nach fernen Galaxien, schnell rotierenden Neutronensternen und schwarzen Löchern sammeln Radioastronomen eine immer größer werdende Menge von Daten. Diese Datenflut soll künftig auch mithilfe von Künstlicher Intelligenz analysiert werden. Hierzu haben sich acht Institutionen in Nordrhein-Westfalen unter Federführung des Max-Planck-Instituts für Radioastronomie (MPIfR) zum “NRW-Cluster für datenintensive Radioastronomie: Big Bang to Big Data” zusammengeschlossen. In Bonn sind neben dem MPIfR die Universität Bonn und die Hochschule Bonn-Rhein-Sieg an dem Projekt beteiligt. Das Land fördert das Vorhaben mit bis zu drei Millionen Euro.  

Radioastronomen untersuchen mithilfe von Radiowellen Objekte im Weltall. Mit immer ausgefeilteren Beobachtungsmethoden blicken sie tief ins Universum und spüren etwa ferne Galaxien, schnell rotierende Neutronensterne (Pulsare) und schwarze Löcher auf. Das Radioteleskop Effelsberg in der Nähe von Bad Münstereifel ist mit seinem 100 Meter großen Parabolspiegel ein prominenter Vertreter der dafür eingesetzten Teleskope, die auch in lokalen bis weltweiten Netzwerken zusammengeschaltet werden, um die Schärfe der Abbildung und die Empfindlichkeit zu erhöhen.

Moderne Radioteleskope erzeugen Daten in immer schneller wachsenden Raten. “In der nächsten Generation von Radioteleskopen werden Daten mit Raten erzeugt, die dem gesamten heutigen Internetverkehr vergleichbar sind”, sagt Prof. Dr. Michael Kramer, Direktor am Max-Planck-Institut für Radioastronomie in Bonn.

Die Wissenschaftlerinnen und Wissenschaftler suchen deshalb ganz neue Wege, um diese Datenflut zu bewältigen. “Fleiß und große Rechner reichen dazu nicht mehr”, sagt Prof. Dr. Frank Bertoldi vom Argelander-Institut für Astronomie der Universität Bonn. “Maschinelles Lernen und “Künstliche Intelligenz” sollen den Forschenden künftig helfen, aus der Datenflut die spannenden Signale des Weltalls herauszufiltern.

Um sich die dafür nötige Expertise anzueignen und auszutauschen, haben sich Radioastronomen und Datenwissenschaftler aus acht Institutionen in Nordrhein-Westfalen im “NRW-Cluster für datenintensive Radioastronomie: Big Bang to Big Data” unter Federführung des Max-Planck-Instituts für Radioastronomie zusammengeschlossen. Das Projekt wird im Rahmen des NRW Förderprogramms "Profilbildung 2020" in den nächsten drei Jahren mit bis zu drei Millionen Euro gefördert.

Der wesentliche Zweck des Verbunds ist die Vernetzung von Wissen und Koordinierung der Aktivitäten von Radioastronomen, interessierten Datenwissenschaftlern und Industriepartnern. “Das ist eine konzertierte Aktion, die uns gemeinsam stärker macht in Forschung und Ausbildung, sowie durch den Austausch mit unseren Industriepartnern auch im Transfer von Wissen auf praktische Anwendungen“, sind sich Michael Kramer und Frank Bertoldi einig. Beide Forscher sind Mitglied im Transdisziplinären Forschungsbereich “Bausteine der Materie und fundamentale Wechselwirkungen” an der Universität Bonn.

---------------------------------------

Weitere Informationen

Die beteiligten Institutionen umfassen das Max-Planck-Institut für Radioastronomie, die Universität Bonn, das Forschungszentrum Jülich, die Hochschule Bonn-Rhein-Sieg, die Ruhr-Universität Bochum, die TU Dortmund, die Universität Bielefeld und die Universität zu Köln.

Bei der Beobachtung des berühmten Bilds vom Schatten eines Schwarzen Lochs im Zentrum der Galaxie M87 (Abb. 2) waren acht Radioteleskope beteiligt, darunter ALMA und APEX in der chilenischen Atacamawüste. Für dieses Bild wurde eine Gesamtdatenmenge von 20 Petabyte (20 Millionen Gigabyte) innerhalb von einer Woche aufgenommen. Die Auswertung des umfangreichen Datensatzes von dieser Beobachtungskampagne erfolgte zur Hälfte am Spezialrechner (Korrelator) des MPIfR in Bonn, mit einer Reduktion der Datenmenge auf nur noch 1 Megabyte. In der Zukunft werden die Daten noch umfangreicher ausfallen; desto bessere und effektivere Auswertemethoden müssen dafür angewendet werden.

 

 

Zur Redakteursansicht