Máy học xác nhận các hiện tượng thiên văn bí ẩn trong dữ liệu ảnh lịch sử

Một nghiên cứu mới được công bố trên arXiv đã chỉ ra rằng Học máy (Machine Learning) có thể đóng vai trò then chốt trong việc xác nhận sự tồn tại của các hiện tượng thiên văn chuyển tiếp (transient phenomena) trong các bức ảnh lịch sử, vốn đã gây tranh cãi trong giới vật lý thiên văn suốt thời gian qua.

Các hiện tượng này được mô tả là các nguồn điểm giống sao xuất hiện rồi biến mất trong thời gian ngắn trên các bức ảnh chụp trước khi vệ tinh Sputnik được phóng lên. Trước đây, nhiều ý kiến cho rằng các điểm "biến mất" này thực chất chỉ là các khiếm khuyết trên nền phim (plate defects) thay vì các sự vật thể thật.

Ứng dụng AI để phân loại dữ liệu

Để giải quyết tranh cãi này, nhóm tác giả đã sử dụng máy học để tăng cường độ chính xác trong việc nhận diện và xác thực các hiện tượng này. Mô hình được huấn luyện dựa trên bộ dữ liệu gồm 250 cặp ảnh chụp cách nhau 30 phút.

Các cặp ảnh này đã được các chuyên gia phân loại thủ công thành hai nhóm: "hiện tượng thật" và "lỗi nền phim". Kết quả cho thấy mô hình có khả năng phân biệt tốt với chỉ số AUC (Area Under Curve) đạt 0,81, đồng thời độ nhạy (sensitivity) và độ đặc hiệu (specificity) đều đạt mức 0,71.

Mối liên hệ với thử nghiệm hạt nhân

Sau khi triển khai mô hình để phân tích một bộ dữ liệu lớn gồm 107.875 hiện tượng chuyển tiếp đã được nhận diện trước đó, máy học đã gán cho mỗi điểm một xác suất là hiện tượng thật.

Khi đã kiểm soát và loại bỏ các nhiễu loạn (artifacts) được máy học nhận diện, kết quả thống kê cho thấy số lượng hiện tượng chuyển tiếp gia tăng đáng kể trong khoảng thời gian một ngày trước và sau các cuộc thử nghiệm hạt nhân (gọi là "cửa sổ hạt nhân"). Các hiện tượng có xác suất là thật cao nhất cũng có xu hướng xuất hiện nhiều hơn trong các khung thời gian này.

Nghiên cứu cũng nhắc lại phát hiện trước đó rằng số lượng hiện tượng chuyển tiếp giảm đi đáng kể khi ở trong bóng của Trái đất (shadow deficit).

Kết luận

Việc áp dụng thuật toán học máy không chỉ giúp làm sạch dữ liệu thiên văn học lịch sử mà còn cung cấp bằng chứng mạnh mẽ ủng hộ sự tồn tại của các hiện tượng thiên văn kỳ lạ. Điều này mở ra cơ hội lớn cho việc sử dụng AI để tái khám phá các kho dữ liệu khoa học khổng lồ trong quá khứ mà con người có thể đã bỏ sót.