마리오 쥬리 치는 말했다. 유고 슬라비아의 소년으로서 그는 할아버지의 소개 물리 책을 페이지를 방문했습니다. 그는 별이 다른 색상으로 왔으며이 색상이 다른 온도를 의미한다는 것을 알게되었습니다. 그래서 8 학년 과학 박람회 프로젝트를 위해 Jurić는 그 스펙트럼 조명을 포착하기를 원했습니다. 그의 선생님은 그에게 프리즘을 빌려 주었다. Jurić는 골판지 화장실 튜브와 덕트 테이프를 사용하여 그 프리즘을 구식 카메라에 연결했습니다. 그는 셔터를 몇 분 동안 열어두고 스타 라이트를 프리즘을 통과시키고 필름의 스프레드 아웃 라이트를 포착 할 계획이었습니다.
그러나 그가 살았던 자그레브는 약 백만 명이 집에있었습니다. 평범한 상황에서 도시의 가벼운 오염은 그의 측정을 늪에 빠뜨릴 것입니다. 그러나 Jurić는 유고 슬라비아의 헤어짐을 동반 한 잔인한 전쟁 중에 중학교에있었습니다. "우리는 폭격의 경우 정전을 받았다"고 그는 말했다. “그래서 도시 전체가 어두웠습니다. 아빠는 돌이켜 보면서 매우 허용되었습니다. 뒷마당에 나가서 장비를 세우고 실제로 하늘 사진을 찍을 수 있었기 때문에 매우 허용되었습니다.” 그의 과학 프로젝트는 효과가 있었고, 그로 인해 별을 계속 공부할 수있는 자신감을주었습니다.
좋은 일은 나쁜 일에서 나올 수 있다고 그는 대화 중에 여러 번 말했다. 그는 고등학교에서 현지 40 센티미터 망원경을 소행성 중단 기계로 바꾸기 위해 계속했습니다. 그는 소프트웨어를 썼고 친구들은 하드웨어에서 일했습니다. 천문학은 2002 년 프린스턴 대학교 물리학 대학원에 다니면서 그를 미국으로 데려 왔습니다. 그리고 이제 시애틀에있는 워싱턴 대학교 교수로서, 그는 세계에서 가장 큰 3,200 메가 픽셀 카메라를 특징으로하는 대형 시놉 틱 설문 조사 망원경 (LSST)에서 곧 스트리밍 할 막대한 양의 데이터를 관리하는 방법을 알아내는 데 많은 시간을 보냅니다. 망원경은 밤에 약 20 테라 바이트의 데이터를 생성 할 것으로 예상됩니다.
Quanta Jurić와 함께 데이터의 팽창이 천문학자가되는 것이 무엇을 의미하는지에 대해 이야기했습니다. 대화의 편집 및 응축 버전은 다음과 같습니다.
데이터 변화 천문학의 증가는 어떻습니까?
고대 그리스 이후 처음부터 본질적으로 우리의 가장 큰 도전은 데이터 수집이었습니다. 천문학은 항상 데이터 제한 과학이었습니다. 이제 일반적인 설문 조사는 수억 개의 별에 대한 정보를 생성 한 다음 그 관찰을 반복합니다. 그리고 LSST와 함께, 우리는 약 400 억 개의 물건을 관찰 할 정권에 가고 있습니다. 갑자기 당신은 이전에 매우 많은 정보를 제한했던 과학 분야 로이 엄청난 데이터를 유입시킵니다. 이론과 우주에 대한 이해를 바탕으로 수백 개의 물체를 갖는 대신, 우리는 이제 2 억 개의 물건을 다루고 있습니다. 엄청난 양의 데이터가 엄청나게 증가했습니다. 물론 그것은 처리에 어려움을 겪습니다.
이제 우리는이를 이론을 구성하고 추론에 유용한 것으로 바꾸는 방법을 생각해 내야합니다. 코드로 표현할 수 없다면 컴퓨터가 나를 위해 수행하거나 측정 해야하는 것이 필요한 경우, 실제로 수집 한 해당 데이터를 이론에 대해 추론하는 데 사용할 수있는 형태로 변환 할 방법이 없습니다.
따라서 계산과 프로그래밍이 매우 중요해 졌습니까?
내가 생각하는 방식은 물리학이 철학에서 벗어 났을 때, 차이를 만든 것은 수학의 도입, 일련의 방정식에 논리를 기록 할 수있는 능력과 당신이 아는 엄격한 규칙을 통해 A 지점에서 B로 데려다 줄 수있는 엄격한 규칙을 가지고 있다는 것입니다. 물리학의 다음 단계를 만들려면 실제로 그렇게해야한다는 사실입니다. 그 시점에서 물리학은 수학과 관련이되었습니다. 수학은 물리학의 언어입니다.
우리는 이제 비슷한 것을 겪고 있습니다. 우리는이 빅 데이터 세트를 통해 소프트웨어 엔지니어링과 동일한 작업을 수행해야한다는 점을 지적하고 있습니다. 우리 주변의 세상에 대한 추론을하기 위해 말하는 언어가되고 있습니다. 내가 지금 일어나고 있다고 생각하는 것은 우리가 자연 과학 발전의 변곡점 중 하나에 있다는 것입니다. 프로그래밍은 과학을 완성하기 위해 수학을하는 능력만큼 중요 해지고 있습니다.
엄청난 양의 데이터를 유용한 것으로 어떻게 변환합니까?
이제 컴퓨터를 가르치는 방법을 배우기 시작해야합니다. 이미지를보고“아, 은하계가 있습니다”라고 말하는 것만 큼 간단한 것 - 전혀 분명하지 않은 컴퓨터에. 그래서 우리는 수십 년 동안 그렇게하는 방법을 알아 냈습니다. 컴퓨터에 천문학적 이미지를보고 모든 물체를 올바르게 식별 한 다음 인간의 도움없이 모든 객체를 올바르게 측정하도록 가르치는 방법. 필드가 이제 컴퓨터가 해당 데이터를 처리하고 카탈로그를 줄 수있는 지역으로 전환했다고 생각합니다.
이 빅 데이터 진화의 다음 단계는 컴퓨터가 이미지의 출력을 취하고 모든 카탈로그를 살펴본 다음 흥미로운 것들의 목록을 찾아서 그들이 얼마나 흥미로운 지에 대해 평가하는 것입니다.
.예가 무엇입니까?
천체 물리학의 많은 영역에서 물체는 밝기 등을 변화시킬 수 있지만 움직이지 않습니다. 그러나 태양계 객체가 움직이기 때문에 태양계는 독특합니다. 이제 문자 그대로 점을 연결하는 알고리즘을 제시해야합니다. 하늘의 이미지를 찍고 소행성을 발견하면 별처럼 보입니다. 조금 후에 돌아와서 다른 이미지를 찍고 움직이지 않을 것입니다. 이제 LSST와 함께, 우리는 이클립틱의 모든 이미지에서 5,000 개의 소행성과 같은 것을 보게 될 것입니다. 그것은 밤에 2 백만으로 해석됩니다. 당신은 매일 밤 백만 포인트를 가지고 있으며, 어느 쪽이 어떻게 진행되는지 알아냅니다. 그래서 지금 당장 집중하고있는 것은 Connect-the-Dots 알고리즘을 올바르게 구축하는 방법을 알고 있는지 확인하는 것입니다.
당신은 당신이하지 않는 것을 어떻게 찾습니까? 거기있을 거라는 걸 알아? 이 물건을 알고리즘에 프로그래밍하지 않았다면 그 발견이 손실 되었습니까?
그것은 두려움 중 하나입니다. 알고리즘이 어떻게 구축되었는지에 따라 다릅니다. 우리는 오늘날 우리가 알고있는 것에 기초하여 가지고있는 속성이있는 물체에 대해 어떻게 행동 할 것인지에 대해 열심히 생각합니다. 우리는 모든 객체를 잡기 위해 가능한 한 광범위하게 알고리즘을 만들려고 노력하고 있으며 알고리즘이 맹인의 위치를 이해하려고 노력합니다.
.
천문학과 컴퓨터 과학의 교차점에 대한 자신의 관심은 어디에서 왔습니까?
저는 컴퓨터 과학이나 천문학을하고 싶은지 결정할 수없는 사람들 중 하나입니다. 컴퓨터는 경계가없는 창조이기 때문에이 훌륭한 것들입니다. 코드를 작성할 때, 그것은 무언가를 만들고, 그 컴퓨터에 새로운 세상을 구축하는 것과 같습니다. 거의 예술적입니다. 그것은 매우 매력적 이었지만 반면에 나는 세상을 이해하고 싶었고 세상에서 일이 어떻게 작동하는지 알아 내고 싶었습니다. 그래서 나는 일종의 동전을 뒤집고 물리학을했습니다. 내가 Princeton에 도착했을 때 박사 학위를 받았을 때 Sloan Digital Sky Survey가 막 시작되었습니다. "와우, 엄청난 양의 데이터가 있으며 사람들은 그 데이터를 이해하는 데 어려움을 겪고있었습니다." 그 시점에서 내 꿈이 이루어 졌다는 것을 깨달았습니다.이 유형의 환경이 둘 다 필요하기 때문에 컴퓨터 관련 또는 천문학 관련 일을할지 더 이상 결정을 내릴 필요가 없습니다.
모든 천체 물리학 작업은 알고리즘 및 컴퓨터 프로그래밍과 관련이 있습니까?
나는 그것이 끝날 수단이라고 말할 것입니다. 나는 알고리즘 자체에 초점을 맞춘 더 많은 시간을 보냅니다. 그러나 나는 주로 그 것들을 사용하여 실제로 흥미로운 결과를 찾는 것을 좋아합니다. 천문학 문제에 대한 답변으로 인해 운전하고 있지만 다음 사람이 내가 한 일을 기반으로 할 수있는 방식으로 수행하고 싶습니다.
.Sloan Digital Sky Survey를 언급했습니다. LSST는 어떻게 구축됩니까?
Sloan은 영상 측면에서 역사에 대해 총 약 10 ~ 20 개의 테라 바이트를 생성했다고 생각했습니다. LSST는 밤에 그렇게합니다. 물체의 수와 관련하여 Sloan은 5 억 별의 주문이었으며, 한 번 관찰되었습니다. LSST를 사용하면 약 200 억 개의 별이 될 것이며, 그 중 하나는 825 번 볼 수 있습니다. 우리는 시간 영역을보고있을 것입니다. 엄청난 양입니다. 또 다른 문제는 - 문제를 말할 때마다 기회로 생각할 때마다 LSST는 모든 물체에 대해 수십 가지와 잠재적으로 수백 가지를 측정 할 것입니다.
.2000 년대에 천문학 의이 부분,이 부분에 대한 별도의 망원경 부분을 만들기 위해 별도의 망원경을 구축하는 대신, 우리가 할 일은 망원경을 만들 것이라는 점을 깨달았습니다. 망원경, 본질적 으로이 하늘을 다운로드하려면. 태양계 과학자들이 태양계 객체에 집중할 수있는 형태로 해당 데이터를 처리해야하며 Dark Energy 사람들은 약한 렌즈 맵을 수행해야합니다. 데이터 처리는 LSST에게 큰 일이되었습니다. 그것은 내가 책임을 둔 데이터 시스템이 망원경 자체와 카메라 자체만큼 비싸고 큰 천문학의 드문 프로젝트 중 하나입니다.
우리가 아직 다루지 않았지만 천문학 측정에서 절대적으로 중요한 것은 통계입니다.
수집해야 할 모든 데이터를 수집했을 때 남은 데이터는 더 잘 분석하는 것입니다. 우리는 측정을 수행 한 다음 측정이 당신이 가지고있는 가설에 대해 무엇을 말하는지 어떻게 알 수 있습니까? 모델에 맞게 테스트를 수행 할 수있는 통계적 방법이 있습니다. 통계는 무엇보다도 데이터에서 지식을 추출하고 가지고있는 데이터를 고려하여 지식을 정량화하는 것입니다. 우리는 [통계]를 매우 규범 적으로 사용합니다. 여기에서는 여기에 통계 요리 책이 있습니다. 재료를보고 올바른 규칙 인 올바른 레시피를 선택해야합니다. 특정 기준에 속해야하는 데이터 세트가있는 경우 해당 규칙을 적용하면 좋은 일이 발생합니다. 우리는 우리가 할 수있는 거의 모든 것을 측정하는 지점에 도달하고 있습니다. 앞으로의 유일한 방법은 이제 더 이상 근사치를 수행 할 수 없기 때문에 데이터 분석을 올바르게 수행하는 것입니다. 사람들은 통계가 지루하다고 생각하지만 일단 당신이 그것이 무엇인지 이해하면 과학의 근본적인 요소, 데이터에 대한 지식을 발견하는 것의 근본적인 요소입니다.
.이 큰 데이터 진화는 당신이 부르는대로 천문학뿐만 아니라 맞습니까?
입자 물리학 자들은 그것을 조금 더 오랫동안 다루어 왔으며, 아마도 우리보다 5 년에서 10 년 앞서있을 것입니다. 해양학은 현재 같은 지역으로 들어가고 있습니다. 생태학은 같은 지역에 들어가고 있습니다. 과학을하기 위해 알아야 할 기본 도구는 변하고 있습니다.
