«Вселенная». Глава из книги
Глава 15. Компьютеры в астрономии
Большую часть своего времени астроном проводит не у телескопа, а у компьютера. Во-первых, наблюдения на крупных инструментах обычно не требуют присутствия у телескопа собственно самого ученого (а в случае наблюдений с помощью космических инструментов это попросту невозможно). Во-вторых, многие наблюдательные системы функционируют в автономном режиме (телескопы-роботы). В-третьих, основная часть работ ученого-наблюдателя сводится к обработке данных, что требует большого количества времени, сложных численных методов и высоких вычислительных мощностей. Да и теоретики часто проводят много времени за компьютерами, поскольку прямые эксперименты в астрофизике обычно невозможны, но можно проводить численные эксперименты, моделируя объекты и процессы на компьютере.
В современной астрономии существует несколько важных тенденций. Во-первых, это большой объем получаемых данных (big data). Во-вторых, открытость научной информации и ее распространение через интернет. И, в-третьих, создание единых баз данных, а в перспективе — виртуальной обсерватории, которая объединила бы в себе все доступные данные (за всю историю астрономических наблюдений) в едином формате, что позволит сразу получать информацию об объектах во всех диапазонах на больших временных интервалах и сравнивать ее с новыми данными.
Астрономия — очень интернациональная наука. Поэтому и для научного общения необходимы компьютеры и сети.
15.1. Управление инструментами, телескопы-роботы
Образ астронома у телескопа в башне на крыше, куда он поднимается по винтовой лестнице, уходит в прошлое. Конечно, такие места еще сохранились, многие из них стали музеями или используются для преподавания и экскурсий, хотя иногда там проводятся и настоящие научные наблюдения. Тем не менее последние десятилетия рабочее место астронома-наблюдателя все чаще выглядит совсем по-другому.
Развитие техники привело к тому, что автоматика быстрее и точнее наводит телескоп в нужную точку неба, чем наблюдатель способен сделать это вручную. Программа наблюдений может быть заранее записана в память компьютера, данные также записываются для дальнейшего изучения, и работа наблюдателя становится гораздо более творческой: постановка задач, обработка данных и их анализ.
Управление телескопом часто можно проводить удаленно
Контроль за ходом наблюдений можно проводить дистанционно. Это тем более актуально, что наблюдатели, как правило, используют инструменты, расположенные в разных частях света: в Южной Америке и Австралии, на Гавайях и в Антарктиде, в Аризоне и на Канарских островах. Часто непосредственно рядом с телескопом нет даже команды инженеров и техников, поскольку при надежной работе техники нет необходимости в постоянном присутствии человека (хотя, конечно, необходим периодический осмотр). Это открыло возможность создания телескопов-роботов.
Все большее распространение получают телескопы-роботы. Как правило, это небольшие инструменты, работающие автономно
При упоминании автономно работающих научных инструментов первое, что приходит в голову, — это космические исследования. В самом деле, наблюдатель может находиться рядом только в том случае, если инструмент установлен на обитаемой космической станции. Однако чаще всего телескопы все-таки устанавливают на автономных спутниках, так что их наблюдения проходят в основном в автоматическом режиме. На земле компьютерное управление начали опробовать на новых крупных инструментах в конце 1970-х гг., поскольку стоимость таких систем была весьма высока. В итоге, первым большим телескопом с компьютерным управлением стал введенный в строй в 1974 г. четырехметровый Anglo-Australian Telescope, AAT (Англо-Австралийский телескоп). Однако технический прогресс привел к значительному удешевлению надежных роботизированных систем и систем дистанционного управления, так что сейчас существует множество наземных инструментов с объективами диаметром от нескольких сантиметров до нескольких метров, работающих в режиме телескопов-роботов.
Известным примером является двухметровый Liverpool Telescope, LT (Ливерпульский телескоп), установленный на Канарских островах. Он входит в британскую систему RoboNet, включающую еще два двухметровых телескопа, так называемые телескопы Фолкса — северный Faulkes Telescope North на острове Мауи (Гавайи) и южный Faulkes Telescope South в Австралии (они активно использовались также для образовательных целей). Достоинством телескопов-роботов является их способность быстро реагировать на новые задания, что чрезвычайно важно при наблюдении транзиентных (вспыхивающих) источников. Например, если космический аппарат открывает новый гамма-всплеск, сигнал с него может непосредственно поступить в систему управления телескопа-робота, который наводится в нужную точку неба, а участие человека в этой процедуре лишь замедлило бы ее. Сейчас разработаны специальные системы (например, SkyAlert, «Небесное оповещение»), подписчики которых (а ими могут быть и автоматические системы) получают уведомления о транзиентных событиях в реальном времени, и на основе полученного сообщения робот может сам принять решение о прерывании текущей программы для наблюдений нового источника.
Поиски оптических вспышек источников гамма-всплесков и потенциально опасных астероидов мотивировали развитие сетей небольших роботизированных телескопов
Поиск оптических сигналов от космических гамма-всплесков мотивировал создание нескольких сетей из небольших роботизированных телескопов (или телескопов удаленного доступа). Примером может служить система RAPTOR (RAPid Telescopes for Optical Response). В России таким проектом является сеть МАСТЕР (Мобильная Астрономическая Система ТЕлескопов-Роботов), располагающая несколькими инструментами как у нас в стране, так и за ее пределами (включая южное полушарие). Наличие нескольких инструментов в разных точках земного шара позволяет, во-первых, избежать невозможности наблюдений из-за дневного времени или плохой погоды, а во-вторых, проводить при необходимости непрерывный мониторинг астрономического источника. Разумеется, выполняя задачи по поиску оптических транзиентов от гамма-всплесков, инструменты попутно могут решать множество других задач, поскольку обычно это инструменты с широким полем зрения и в их «сети» попадает множество различных источников.
Телескопы-роботы успешно используются для обзорных программ. В частности, для поиска и изучения астероидов, включая потенциально опасные, существует несколько проектов, таких как LINEAR (Lincoln Near-Earth Asteroid Research, Исследования околоземных астероидов в лаборатории им. Линкольна), Catalina, Spacewatch («Космический дозор»), Pan-STARRS (Panoramic Survey Telescope and Rapid Response System, Система телескопов панорамного обзора и быстрого реагирования). Наблюдения в рамках каждого проекта ведутся на нескольких автоматизированных инструментах с типичными размерами от 0,5 до 1,5 м, оборудованных хорошими цифровыми камерами, позволяющими эффективно обнаруживать и изучать небольшие быстро движущиеся объекты.
Роботизированные инструменты также вносят большой вклад в изучение переменных звезд, поиск событий микролинзирования, построение кривых блеска сверхновых и обнаружение комет. С ростом размеров телескопов будет расширяться спектр решаемых задач, в частности в него могут войти спектроскопические исследования. Также мониторинг и поиск оптических транзиентов становятся более актуальными в связи с началом наблюдений гравитационно-волновых всплесков и с будущим вводом в строй таких инструментов, как системы радиотелескопов SKA и гамма-телескопов CTA (Cherenkov Telescope Array, Массив черенковских телескопов). В частности, в рамках программы RoboNet планируется постройка четырехметрового аналога Ливерпульского телескопа. Современные технологии позволяют даже таким гигантам начать наблюдения новой цели спустя всего лишь десятки секунд после получения сигнала (время реагирования небольших инструментов исчисляется секундами даже при перенаведении в противоположную точку неба).
Существенно, что робот-телескоп должен не только выполнять программу наблюдений, но и следить за погодой, условиями в башне (температура, турбулентность и т. п.) и принимать соответствующие решения. Например, переход к другой части программы, если нужный объект закрыт облачностью, или окончание наблюдений и закрытие башни, если надвигается дождь.
Развитие автоматизации небольших инструментов оказало большое влияние на любительскую астрономию. Существует большое количество телескопов-роботов и телескопов удаленного доступа, наблюдения на которых проводят любители. Это могут быть научные и образовательные наблюдения или же просто форма интеллектуального и высокотехнологичного досуга. Существуют коммерческие системы, которые предоставляют разные услуги: от коротких наблюдений до установки телескопов под ключ на специально оборудованных площадках в местах с хорошим астроклиматом.
15.2. Обработка данных. Big data
Особенность астрономии состоит в том, что всю информацию об изучаемых объектах (если исключить некоторые тела Солнечной системы, к которым можно послать космические аппараты для изучения на месте или для забора и возврата образцов на Землю) мы получаем с помощью излучения. Поэтому обработка данных наблюдений играет очень важную роль. Чтобы узнать что-то новое о физике небесных тел, приходится применять очень сложные методы анализа наблюдений. К счастью, последние десятилетия все данные сразу же регистрируются в цифровом виде, что облегчает работу и дает возможность использовать самые современные численные методы.
Многие красивые астрономические изображения, которые публикуются в популярной литературе, являются результатом сложного процесса работы с исходными данными. Но самое главное — изощренная обработка нужна для получения научных результатов, поскольку многие открытия совершаются буквально «на пределе возможного».
Астрономические данные подвергаются сложной обработке и анализу с использованием передовых численных методов
Обработка данных на пути к окончательному научному результату может состоять из многих этапов. Сначала нужно по возможности отфильтровать различные шумы, связанные со свойствами как наблюдаемых объектов, так и детектора, т. е. выделить собственно сигнал, который мы хотим анализировать. Сигнал может быть не просто слабым, он может быть ниже уровня шумов, но тем не менее в ряде случаев работа с данными позволяет его идентифицировать и отделить от паразитного сигнала. Далее сам анализ может быть связан со сложной обработкой: поиском периодичности, или поиском сигнала определенной формы (если мы говорим о временных рядах), или идентификацией спектральных линий на фоне априори неизвестных влияний (эффект Доплера, гравитационное смещение, эффект Зеемана и многое другое). Наконец, когда получены научные данные, освобожденные от фоновых шумов, и получены параметры астрономических источников, сложный анализ может понадобиться для поиска корреляций между свойствами разных объектов, для сопоставления данных наблюдений с теоретическими предсказаниями и компьютерными моделями. В частности, отдельную проблему представляет автоматическая классификация объектов и событий при обработке обзоров неба. В настоящее время для этого все чаще используют нейронные сети — обучаемые компьютерные системы, пригодные для решения ряда задач (в частности, для распознавания образов).
Для автоматической классификации астрономических источников применяют нейронные сети
Астрономия постепенно меняется. Все большую роль играют крупные проекты, генерирующие огромное количество информации в ходе обзорных наблюдений. При этом астрономы зачастую не только не сидят у телескопов, но даже не занимаются первичной обработкой огромных потоков данных — это выполняется специальными программами (pipeline). Например, в проекте SDSS (Sloan Digital Sky Survey, Слоановский цифровой обзор неба) за одну ночь наблюдений генерируется около 200 гигабайт информации. Проекты следующего поколения будут давать уже много терабайт данных в день, так что астрофизика становится наукой, имеющей дело с «большими данными» (big data).
В проектах современных инструментов, таких как SKA, стоимость обеспечивающих работу (включая первичную обработку данных) суперкомпьютеров становится заметной частью полной сметы. У телескопов в удаленных местах, таких как Гавайские острова, возникают проблемы с передачей данных: между островами и материком нет широкополосных оптоволоконных каналов с большой пропускной способностью, а спутниковая передача не может обеспечить поток данных, соответствующий производительности будущих телескопов. При создании некоторых проектов на спутниках обсуждается установка фильтров, которые будут отсекать часть спектра (т. е. искусственно уменьшать до нуля чувствительность в некотором диапазоне длин волн), поскольку всю получаемую на детекторе информацию невозможно будет передать на Землю. Это ставит совершенно новые задачи перед астрономическим сообществом.
Многие открытия совершаются не благодаря новым наблюдениям, а благодаря более тщательному и изощренному анализу данных (data mining). А в новых наблюдательных проектах часть открытий совершается уже не людьми, а компьютерами (например, обнаружение астероидов в больших обзорах неба вроде Pan-STARRS). Это означает, что важными становятся не только технологии создания телескопов, но и технологии работы с данными (в том числе уже собранными). Появился даже новый термин — астроинформатика.
Без современной компьютерной обработки данных многие астрономические открытия никогда не были бы сделаны
Современной тенденцией является открытый доступ к данным (постепенно это даже становится требованием). В некоторых случаях, например при обзорных наблюдениях на спутниках, данные могут сразу попадать в открытый доступ. Но обычно группам исследователей (скажем, авторам заявки на наблюдения конкретной области неба) предоставляется некоторый период времени, в течение которого данные находятся в эксклюзивном распоряжении. Однако по истечении некоторого срока (чаще всего это один год) данные попадут в открытый доступ вне зависимости от того, успели ли авторы заявки обработать и опубликовать данные, что подстегивает работу и позволяет полнее использовать полученную информацию. Все это приводит к тому, что с течением времени все астрономические данные становятся общедоступными. Например, проект SDSS является, по многим оценкам, самым продуктивным в истории астрономии именно благодаря открытому доступу к его данным. В астрономии данные часто делят на три основных уровня.
Первый — это «сырые данные» (raw data): то, что напрямую считывается с детекторов (в случае большого количества таких данных они чаще всего не хранятся). Такая информация содержит множество артефактов, связанных с деталями устройства инструмента (поврежденные пиксели на матрице, известные виды шума или паразитного сигнала, изменение чувствительности приборов со временем). Работать с такой информацией, как правило, могут только специалисты, посвятившие достаточное время обработке данных с конкретного инструмента и знающие его особенности.
Сложные методы анализа позволяют выделять слабые сигналы на фоне шумов
Следующий уровень — это «полуфабрикаты» (data products): информация, которая уже прошла первичную обработку. Во многих современных (особенно крупных) проектах это делается автоматически. Такая информация доступна для использования уже более широкому кругу исследователей, потому что она переведена в какой-то достаточно распространенный и хорошо описанный формат (например, FITS — Flexible Image Transport System, Гибкая система передачи изображений). Эти данные имеет смысл хранить для дальнейшего использования (в том числе в отдаленном будущем).
Наконец, третий уровень — это научные данные: полученные (и обычно опубликованные) научные результаты. Однако информация может быть использована и дальше для различных целей. Как правило, здесь для работы с данными уже не требуются специфические навыки и программы.
Астрономические данные необходимо хранить как можно дольше
Особенность астрономических данных состоит в том, что они имеют ценность в течение весьма продолжительного времени. Это разительно отличается от ситуации в других областях физики, где всегда возможно провести новые, более точные эксперименты (на более качественном оборудовании, по новым методикам и т. д.). Поэтому прямые данные физических экспериментов, проведенных десятки лет назад, имеют обычно лишь историческую ценность — самые важные результаты этих опытов так или иначе опубликованы в научных статьях. В астрономии это не так. Астрономические данные надо хранить как можно дольше, поскольку для нас могут быть интересны даже данные тысячелетней давности из каких-нибудь китайских хроник. Поэтому во многих обсерваториях десятилетиями собирались для дальнейшего использования «стеклянные библиотеки» — снимки на фотографических пластинках. Скажем, именно стеклянная библиотека ГАИШ (Государственного астрономического института им. П. К. Штернберга) МГУ позволила в середине 1960-х гг. сразу же выявить переменность первого идентифицированного квазара 3С273.
Полный объем имеющихся астрономических данных в настоящее время оценивается в петабайты, а в ближайшие годы (благодаря появлению новых больших наблюдательных проектов) он превысит несколько десятков (или даже сотен!) петабайт. Сейчас объем данных удваивается примерно за год-два, что во многом связано с совершенствованием матриц (теперь счет идет на гигапиксели).
Идеальным примером «больших данных» (big data) в науке является Большой адронный коллайдер в ЦЕРН, поток данных с которого составляет более 10 петабайт в год. В астрономии первым проектом, столкнувшимся с действительно очень большим потоком данных в рамках единой наблюдательной программы, стали гравитационно-волновые детекторы LIGO (см. раздел 13.9 «Детекторы гравитационных волн»): после модернизации за год наблюдений накапливается примерно петабайт данных. Ожидается, что этот поток данных будет превзойден проектами SKA (см. раздел 13.4 «Радиотелескопы») и LSST. Последний станет крупнейшим обзорным телескопом в истории астрономии — с зеркалом диаметром более 8 м и ультрасовременной камерой с 3,2-гигапиксельной матрицей (тоже самой большой в истории). Пиковый поток сырых данных с камеры этого инструмента будет в ходе наблюдений достигать примерно 3 гигабайт в секунду, в то время как на SKA будет достигать порядка десятка терабайт в секунду!
Поток новых астрономических данных в ближайшем будущем составит более нескольких десятков петабайт в год
Данные могут храниться в виде файлов (например, снимок какой-то области неба) или в виде баз данных (простейший пример — каталог объектов). Эти подходы довольно сильно отличаются: в первом случае это аналогично хранению отсканированной страницы текста в виде растрового изображения, а во втором — хранению уже распознанного текста, по которому возможен поиск. Второй способ существенно удобнее для пользователей, поскольку позволяет проводить быстрый поиск нужной информации и сопоставлять ее с другими данными. Поэтому важной задачей является хранение максимально возможного количества информации именно в виде баз.
Компьютерное моделирование также является источником больших объемов информации
Еще одним источником больших данных в астрономии является компьютерное моделирование, в первую очередь больших космологических процессов. В них расчеты начинаются на красном смещении около z = 30 (примерно 100 млн лет после начала расширения), а детализация доходит до расчетов параметров отдельных галактик в нашу эпоху. При этом получаемые в расчетах изображения вполне сравнимы с реально наблюдаемой картиной. Учитывая, что обсчитываются большие объемы пространства с большим количеством галактик, такие компьютерные модели порождают огромные объемы информации. Результаты подобных расчетов востребованы исследовательскими группами по всему миру, причем речь идет не о финальных интегральных данных, а о полном доступе: такие крупные проекты выступают в роли «искусственных вселенных», элементы которых ученые могут сравнивать с наблюдениями реальных объектов в поисках новых корреляций и закономерностей. В ходе некоторых компьютерных экспериментов специально воспроизводят «искусственные обзоры», аналогичные по своим свойствам реальным, рассчитывая наблюдаемые параметры модельных объектов.
При работе с большими данными в астрономии возникает также интересная проблема их визуализации. Это касается и данных наблюдений (например, огромные каталоги с сотнями миллионов астрономических источников), и данных компьютерного моделирования (например, визуализация эволюции крупного скопления галактик). С ростом объемов информации острота этой проблемы только возрастет. Поэтому в астрономии разрабатываются специальные пакеты программ, позволяющие эффективно работать с большими объемами данных в графическом режиме.
15.3. Численный эксперимент и моделирование
В астрономии из-за колоссальной удаленности изучаемых объектов, а также из-за их собственных масштабов невозможно проведение прямых экспериментов и измерений (исключая некоторые объекты Солнечной системы). Кроме того, многие процессы происходят на очень длинной шкале времени, из-за чего мы фактически видим лишь статичные фрагменты эволюционных последовательностей. Поэтому совершенно особое место в астрофизике занимает численное моделирование изучаемых процессов.
Из-за невозможности прямого эксперимента в астрофизике большое распространение получило компьютерное моделирование
Примеры ситуаций, когда в астрофизике применяется компьютерное моделирование, многочисленны и разнообразны. Поскольку наиболее распространенным состоянием вещества в астрономических объектах является плазма, часто используются магнитогидродинамические численные модели. Однако они могут быть дополнены необходимостью учета ядерных и термоядерных реакций, а также экзотических состояний вещества (например, при расчетах взрывов сверхновых).
В астрофизических магнитогидродинамических расчетах зачастую необходимо учитывать свойства турбулентности, наличие ударных волн и других сложных для расчета структур. В итоге многие важные задачи до сих пор остаются не до конца решенными, несмотря на использование крупнейших суперкомпьютеров и передовых алгоритмов. К их числу относятся модели взрывов сверхновых, образование первых звезд и многое другое.
Спецификой астрофизического моделирования является изучение популяций большого числа связанных силами гравитации объектов, каждый из которых в первом приближении может считаться материальной точкой. Известно, что уже задача трех тел без дополнительных упрощений не имеет аналитического решения в виде конечного выражения. В астрономии могут встречаться ситуации, когда необходимо рассчитать поведение ансамбля из миллионов взаимодействующих друг с другом тел. Например, это может быть расчет эволюции шарового скопления или поведение звездного населения галактик при их взаимодействии.
Спецификой астрофизики является взаимодействие многих тел посредством гравитации, а также действие эффектов ОТО в сильном поле
Моделирование движения многих тел под действием гравитации (n-body) играет столь важную роль в астрономии, что для решения подобных задач даже разработаны специальные аппаратные средства (так называемые Gravity Pipe — GRAPE), которые существенно ускоряют расчеты поведения галактик и других объектов.
Расчеты взрывов сверхновых, слияний черных дыр и формирования крупномасштабной структуры Вселенной являются яркими примерами интересных задач для компьютерного моделирования в астрофизике
Специфичными являются и задачи, связанные с необходимостью детального учета эффектов общей теории относительности в сильном поле (предельным случаем является расчет слияния черных дыр). Развитие методов численного решения уравнений ОТО было (и является) мотивировано в первую очередь запросами астрофизиков. Так, например, для нужд гравитационно-волновых антенн было рассчитано несколько сотен тысяч вариантов слияний нейтронных звезд и черных дыр, чтобы получить формы ожидаемого сигнала. Это потребовало нескольких лет работы ряда научных групп в разных странах и стало интереснейшей вычислительной задачей в современной астрофизике.
Поскольку в астрономии в качестве источника информации мы можем использовать лишь излучение небесных объектов, важным элементом многих задач моделирования становится расчет излучательных свойств источников: спектры, параметры поляризации и др. Зачастую такие расчеты осложнены необходимостью учета множества деталей (например, огромного числа спектральных линий), а также физическими условиями, которые никогда не исследовались в лабораторном режиме из-за экстремальности тех или иных параметров. Библиотеки рассчитанных спектров являются чрезвычайно востребованными, и их, в частности, используют как входные данные для разнообразных компьютерных моделей.
Интересным методом численного моделирования, который активно применяется для исследования астрофизических задач, является так называемый популяционный синтез. Различают два варианта этого метода. Первый используется для моделирования интегральных характеристик больших звездных популяций, и с помощью такого подхода, например, рассчитывают интегральные спектры галактик, что важно для интерпретации наблюдательных данных. Второй — более разнообразный и распространенный — применяется для моделирования эволюции и наблюдательных проявлений популяций астрономических объектов, таких как радиопульсары или тесные двойные системы. Рассмотрим его несколько подробнее.
Важной задачей для численного моделирования является исследование эволюции и наблюдательных проявлений популяций источников — популяционный синтез
Практически любой компьютерный эксперимент в астрофизике решает одну из двух задач. Во-первых, это предсказание свойств каких-то объектов для последующих наблюдений с использованием новых методов и приборов. Во-вторых, это проверка нашего понимания природы уже наблюдаемых объектов или их популяций. Например, при разработке телескопов всегда возникает необходимость оценить, сколько новых источников разных типов сможет обнаружить установка. Это типичная задача для популяционного синтеза. Мы закладываем в модель начальные параметры объектов, темп их рождения, эволюционные законы и на каждой стадии рассчитываем наблюдательные свойства источников. В итоге, совмещая (или, как говорят, сворачивая) результаты моделирования с параметрами чувствительности детектора, получим предсказание для конкретного инструмента.
Возможна и обратная ситуация: у нас есть данные наблюдений, и мы используем их для проверки адекватности нашего понимания начальных параметров объектов, их эволюции или наблюдательных проявлений. Например, в популяционном синтезе мы можем сравнивать модели с разными начальными условиями или эволюционными законами на предмет соответствия данным наблюдений, проверяя тем самым гипотезы о параметрах, наблюдать которые непосредственно невозможно.
Задачи компьютерного эксперимента: проверка начальных условий и законов эволюции путем сопоставления расчетов с наблюдениями, а также прогнозирование для будущих наблюдений
Например, с одной стороны, мы можем использовать набор предположений для того, чтобы методом популяционного синтеза рассчитать количество (и статистические свойства) радиопульсаров разных типов, которые сможет в будущем обнаружить установка SKA. Добавив в модель эволюцию двойных систем, мы можем рассчитать, сколько пульсаров в паре с черными дырами будет обнаружено. С другой стороны, можно использовать современные данные о пульсарах (с учетом чувствительности разных обзоров), чтобы попробовать выяснить, уменьшается ли магнитное поле этих нейтронных звезд в процессе их эволюции. Для этого можно провести расчеты с помощью популяционного синтеза, изменяя параметры эволюции магнитного поля и добиваясь наилучшего согласия с наблюдениями.
Для популяционного синтеза, как и для многих других видов компьютерного моделирования в астрофизике, существует много общедоступных программ с открытым кодом. Это, к счастью, довольно распространенная тенденция. Существуют депозитарии, в которых находятся сотни исходных кодов для решения различных астрофизических задач (например, сайт Astrophysics Source Code Library, ASCL.net). Разумеется, и результаты расчетов во многих случаях делаются общедоступными. Особенно это актуально в случае большого космологического моделирования.
Компьютерное моделирование медленно, но верно движется к реализации «вселенной в компьютере». Недавно важные новые результаты были получены в подходе «сверху вниз»: моделирование начинается в относительно молодой вселенной (спустя десятки миллионов лет после начала расширения), задается состояние вещества во вселенной (доли темного вещества, темной энергии, обычного вещества, излучения, динамика расширения и т. д.), неоднородности в распределении материи и другие параметры, которые в данном случае рассматриваются как начальные (их получение само может основываться на численном моделировании более ранней истории вселенной), а после этого изучается возникновение и эволюция крупномасштабной структуры вселенной. Первые такие расчеты начались около полувека назад, однако новые технические возможности позволяют добиться огромного прогресса в точности и детализации.
Задачей-максимум является создание «вселенной в компьютере» — от Большого взрыва до отдельных галактик
Примером недавних расчетов, начинающихся с первичных неоднородностей плотности и заканчивающихся детализацией на уровне структурных элементов карликовых галактик, является проект Illustris и его развитие IllustrisTNG (The Next Generation), а также другие аналогичные проекты, как, например, EAGLE. Результаты Illustris можно сравнивать с наблюдениями как на уровне параметров крупномасштабной структуры, так и на масштабе групп галактик (например, Местной группы) и даже на масштабе отдельных галактик. Можно найти в расчетах галактику, похожую на наблюдаемую, и отследить ее историю, изучив формирование тех или иных структур. Разумеется, компьютерные модели не могут воспроизвести все многообразие реальных процессов, происходящих на разных масштабах. Однако совершенствование моделей позволяет решать все более широкий круг проблем, сопоставляя с наблюдениями результаты расчетов.
Разумеется, в космологических расчетах с высокой степенью детализации не происходит реального моделирования каждого отдельного элемента структуры. Иными словами, когда расчеты доходят до свойств отдельных галактик, не происходит моделирования звездообразования в ней, начиная с неоднородностей межзвездной среды. Вместо этого в большом моделировании используются данные детальных расчетов звездообразования, на основе которых сформулированы определенные закономерности, представленные в аналитическом или табличном виде. Происходит слияние подхода «сверху вниз» (от космологии к галактикам) с подходом «снизу вверх» (от свойств межзвездной среды к галактике). Кроме того, эти данные можно объединять с популяционными расчетами, в результате чего мы постепенно приближаемся к «реалистичной вселенной в компьютере».
15.4. Виртуальная обсерватория
Оценки показывают, что полный объем имеющихся астрономических данных измеряется петабайтами. А в ближайшем будущем с вводом в строй таких установок, как SKA, LSST, CTA и др., темп получения данных составит десятки петабайт в год! Это не только прямые данные наблюдений, но и результаты крупных численных экспериментов, расчеты различных параметров (например, спектральных) и многое другое. В связи с этим возникает несколько проблем.
Поток разнородных астрономических данных постоянно растет
Во-первых, данных просто много. Организация их хранения, доступа к ним и систем поиска — очень нетривиальная задача как с точки зрения технических решений, так и с точки зрения финансов. Во-вторых, важно иметь возможность быстро сопоставлять данные, полученные разными установками в разное время. Для этого нужна некая единая система, где данные можно было бы преобразовывать в общепринятые форматы. В эту систему должны быть инкорпорированы (или прямо в ней разработаны) программные инструменты для научного анализа, нужна поддержка разработчиков программного обеспечения и конечных пользователей. Все это планируется объединить в проекте Международной виртуальной обсерватории — The International Virtual Observatory Alliance.
Формально работа над проектом началась в 2002 г., когда был создан Международный альянс Виртуальной обсерватории (International Virtual Observatory Alliance, IVOA). Сейчас в него входит более 20 национальных виртуальных обсерваторий, а также объединенный европейский проект и Европейское космическое агентство. Наиболее активно работа идет в рамках американской Виртуальной обсерватории, где соответствующая деятельность началась в 2000 г. Но не отстает и Европа (тем более что одним из крупнейших депозитариев астрономических данных является центр в Страсбурге — Centre de Données astronomiques de Strasbourg, CDS), где благодаря усилиям Европейской южной обсерватории, британского проекта AstroGrid и других групп ученых также разрабатывались и разрабатываются системы хранения, обработки и доступа, которые в итоге должны стать частью единой сети. Многие новые крупные астрономические проекты разрабатывают свои будущие форматы данных и работы с ними уже с учетом идей Виртуальной обсерватории.
Виртуальная обсерватория должна создать единое поле для работы с астрономическими данными
Основная цель этого проекта — сделать работу с астрономическими данными максимально эффективной. Это требует обеспечения открытого доступа к максимальному количеству данных в максимально удобной (для конечного пользователя — ученого) форме. Самая важная составляющая работы группы по созданию Виртуальной обсерватории — это разработка единого представления данных. Опыт показал, что нельзя просто «сверху» ввести какой-то общий протокол и надеяться, что все начнут ему следовать. Поэтому в настоящее время идет довольно сложная работа по процедурам, которые позволят преобразовывать уже имеющиеся данные таким образом, чтобы их использование было максимально удобно пользователям, применяющим популярные в астрономии программные средства.
Сайт Виртуальной обсерватории — ivoa.net
Разработчики Виртуальной обсерватории выделяют еще несколько важных задач. Это создание инфраструктуры, разработка научных приложений, мониторинг существующих сетей и проектов на предмет их соответствия используемым стандартам, разработка средств для установления и поддержания такого соответствия и, наконец, поддержка конечных пользователей.
Сейчас функционирует уже довольно много программных инструментов, доступных для удаленных пользователей через интернет, позволяющих работать с огромными объемами информации, полученной на разных телескопах в рамках различных проектов. Например, введя имя объекта или его координаты, можно получить весь набор данных, уже индексируемых Виртуальной обсерваторией. Сейчас многие научные публикации уже основываются на работе с инструментами обсерватории.
В настоящее время ведущие научные журналы выдвигают требования, чтобы данные, на основе которых написаны статьи, находились в открытом доступе. Виртуальная обсерватория должна стать идеальным средством для этого в астрофизике и смежных дисциплинах.
