آزمایشگاه تحقیقاتی داده های فیزیکی و فناوری نجوم

امروزه برکسی پوشیده نیست که علم فیزیک با داده های مشاهداتی و فناوری های نوین عرصه های جدید علوم  را می شکافد. آزمایشگاه تحقیقاتی علوم داده های فیزیکی و فناوری نجوم، با هدف استفاده از این دو عامل یعنی داده های مشاهداتی و فناوری های نوین در سال 1400 توسط دکتر جواد تقی زاده فیروزجایی تاسیس شده است. این آزمایشگاه دو مسیر اصلی را دنبال می کند؛ اول استفاده از ابزار یادگیری، تحلیل و کاربرد علوم داده بر داده هایی است که در حوزه های فیزیکی از جمله حوزه کیهانشناسی و نجوم است. دوم، ساخت ابزار های نجومی برای رصد داده های نجومی است. با این چشم انداز، این آزمایشگاه پروژه هایی در حوزه های مختلف آغاز نموده است که به موارد زیر می توان اشاره کرد:

·        تحلیل داده های رصد های کیهانشناسی (تیم دکتر تقی زاده فیروزجایی)

·        اجرا کدهای معتبر در حوزه نجوم و کیهانشناسی و تحلیل نتایج آن (تیم دکتر تقی زاده فیروزجایی)

·        استفاده از ابزار یادگیری ماشین در تحلیل داده های اقتصادی سیاسی، سلامت و اجتماعی (تیم دکتر تقی زاده فیروزجایی)

·        ساخت تلسکوپ های رادیویی 20 و 1420 مگاهرتزی (تیم دکتر تقی زاده فیروزجایی و دکتر علی اکبریان)

·        استفاده از یادگیری ماشین در فیزیک کهکشانی و دادهای بزرگ نجومی (تیم دکتر ژولیده)

·        استفاده از یادگیری ماشین در تحلیل فیزیک پرتو های کیهانی (تیم دکتر هدایتی)

اعضای که در موارد بالا همکاری می نمایند: دکتر جواد تقی زاده فیروزجایی، دکتر محمد حسین ژولیده، دکتر هادی هدایتی، دکتر هادی علی اکبریان، سجاد طبسی، پوریا خلیلیان، سعید فخری، مینا قدسی، حجت الله فتحی، احسان مهدوی، زهرا دهقان و ... هستند.

شرح مختصری بعضی از این پروژه ها  در زیر آمده است.

تیم پژوهشی نجوم رادیویی دانشکده فیزیک دانشگاه صنعتی خواجه نصیرالدین طوسی، زیر نظر دکتر جواد تقی‌زاده فیروزجایی، در پاییز سال 1399 اقدام به ساخت تلسکوپ رادیویی 20.1 مگاهرتزی(تلسکوپ رادیویی نیم-طول‌موج دوقطبی کلاسیک) کرد. اعضای این گروه، احسان مهدوی و حجت فتحی، با هدف مطالعه فعالیت‌های خورشید و مشتری شروع به ساخت این رادیو تلسکوپ کردند.

در حالت کلی یک تلسکوپ رادیویی دارای 3 بخش می‌باشد:

1- آنتن( دریافت کننده امواج)

2- گیرنده(تقویت کننده، حذف کننده نویز و ...)

3- پردازشگر اطلاعات

آنتن نیم-طول‌موج دو قطبی متشکل از 2 سیم رسانا(مس) می‌باشد که توسط یک عایق کوچک از هم جدا شده‌اند و طول کل مجموعه به اندازه نصف طول‌موج مورد نظر(دریافتی) می‌باشد. با تابش امواج الکترومغناطیسی خورشید به سیم‌های مسی آنتن، ولتاژ بسیار کوچکی در حدود میکروولت در پایانه‌های آنتن ایجاد می‌شود.

در هنگام ساخت آنتن به این نکته توجه شده است که در اطراف آنتن نباید اجسام فلزی بزرگ و یا دکل‌های انتقال برق و ... باشد.

سیگنال RF(Radio Frequency Signal) ایجادشده در پایانه‌ها توسط یک کابل کواکسیال(کابل با مقاومت پایین) به گیرنده فرستاده می‌شود. در کار با فرکانس‌های بالا طول کابل انتقال‌دهنده دیتا بسیار مهم می‌باشد. مثلا طول کابل کواکسیال استفاده شده بین آنتن و گیرنده می‌بایست مضرب صحیحی از نیم طول‌موج باشد. سیگنال خام، بسیار ضعیف و SNR(Signal to Noise Ratio) بسیار پایینی دارد که گیرنده وظیفه برطرف کردن این موارد را دارد.

گیرنده ساخته شده بر روی فرکانس 20.1 مگاهزتز تنظیم شده است و با تشدید سیگنال در این فرکانس باعث تقویت آن می‌شود.

سیگنال تقویت‌شده توسط گیرنده هنوز قابل تحلیل و استفاده نمی‌باشد. به این منظور از یک کامپیوتر با قابلیت ذخیره‌سازی بلندمدت استفاده می‌کنیم. با گرفتن دیتا، نمودار شدت بر حسب زمان را رسم می‌کنیم. در نهایت می‌توانیم با تحلیل نمودار، مثلا زمان انفجارهای خورشیدی را ثبت کنیم. با مقایسه زمان این انفجارهای خورشیدی با تعداد لکه‌های خورشید در آن زمان، می‌توان رابطه‌ی بین آن دو را نشان داد. همچنین ارتباط بین فعالیت‌های خورشیدی و آب‌وهوای زمین را می‌توان بررسی نمود.

ساخت آنتن تلسکوپ دیشی 1420مگاهرتز

با تاسیس آزمایشگاه فناوری نجوم و کیهانشناسی در دانشگاه خواجه نصیر ساخت این تلسکوپ شروع است. در مدت کمتر از یک سال توانستیم آنتن و برد الکترونیکی گیرنده تلسکوپ 20 مگاهرتز را بسازیم و در مرحله بعد به ساخت تلسکوپ 2.3 متری در باند 1420 اهتمام ورزیدیم. در مرحله اول انتن مناسب آن را تهیه نمودیم. در مرحله بعد با همکاری این تیم به سرپرستی دکتر علی اکبریان دانشکده برق توانستیم آنتن ان را طراحی کنیم و بسازیم. بقیه جزئیات آن در حال تکمیل شدن است.

تهیه دیش سهومی 2.3  متری تلسکوپ

 نصب آنتن

 اهداف اصلی و فرعی:

1. بدست آوردن اطلاعات اخترفیزیکی خورشید مانند: تابندگی، دمای سطحی

2. رصد طوفان های خوردشیدی و تحول لکه های آن

3. محاسبه دمای پس زمینه کیهانی با استفاده از دریافت امواج پس زمینه کیهانی

4. محاسبه ثابت های فیزیکی(استفان-بولتزمن(

5. ایجاد فرصتی تا دانشجویان بتوانند دروس نظری را در محیط آزمایشگاهی بررسی کنند.

6. رصد تحولات  مرکز کهکشان راه شیری در طول موج رادیویی 1420 مگا هرتزی

7. مطالعه اثر فعالیت های رادیوی خورشید و پیش بینی هواشناسی

یادگیری ماشین در اخترفیزیک

گروه دکتر ژولیده

علایق تحقیقاتی بنده شامل نجوم فرا کهکشانی، خوشه های کهکشانی و تعادل دینامیکی آنها و یادگیری ماشین در نجوم است. در پروژه ها، ما از پیشرفته ترین الگوریتم های شبکه عصبی مانند LSTM، CNN و GAN استفاده می کنیم. به لطف مساحی ها و ابزارهای مدرن، داده‌های نجومی زیادی در قالب تصویر، طیف‌ و داده‌های امواج گرانشی وجود دارد که می‌توان آن‌ها را با استفاده از تکنیک‌های یادگیری ماشین تحلیل کرد. تیم اینجانب و بنده در حال تحقیق و مطالعه ی این حوزه های هیجان انگیز هستیم و سعی می کنیم با استفاده از یادگیری ماشین بر روی داده های بزرگ نجومی، درک بهتری از جهان ارائه کنیم.

 موضوع پژوهش: محاسبه ی انرژی بهمن های گسترده ی هوایی با روش یادگیری ماشین

گروه دکتر هدایتی

شرح فعالیت:

پرتوهای کیهانی سازنده­ی بهمن­های گسترده­ی هوایی در سه شکل وجود دارند:

هادرونی، موئونی و الکترومغناطیسی.

بهمن­ها شامل یک هسته­ی هادرونی پر انرژی هستند که میدان مغناطیسی به طور منظم و پیوسته میدان آن­ها را تغذیه می­کند. این کار توسط فوتون­هایی انجام می­شود که از واپاشی پایون­های خنثی و ذرات اِتا تولید شده­اند. هر فوتون پر انرژی یک زیر بهمن الکترومغناطیسی را شکل می­دهد که به طور متناوب تولید زوج و برمشترالونگ در آن انجام می­شود. نوکلئون­ها و هادرون­های پرانرژی، بهمن­های هادرونی را شکل می­دهند. پایون­ها و کائون­های کم انرژی واپاشی کرده و ترکیب­های موئونی را پیش می­برند.

به این ترتیب، زمانی که یک بهمن جدید منتشر می شود، پردازنده ی اصلی مدل سازی را به یکی از پردازنده های خالی می فرستد و فایل های نهایی را نیز از همان جا دریافت می کند. مزیت این روش نسبت به استفاده ی مسقیم و تک پردازنده ای روی سیستم عامل لینوکس، سرعت پردازش آن در بهمن های تولید شده از ذرات اولیه ی پر انرژی است چرا که این ذرات بهمن های ثانویه ی بسیار زیادی تولید می کنند و پردازش آن ها با یک پردازنده ی معمولی بسیار وقت گیر و گاهی عملا ناممکن خواهد بود.

هدف از انجام این شبیه سازی ها در اختیار داشتن شمار زیادی از داده برای استفاده از روش یادگیری ماشین و نوشتن برنامه ای برای تحلیل داده های واقعیست. یادگیری ماشین یکی از زیر شاخه­های علوم کامپیوتر است که تلاش می­کند راه حل مسائل را پیدا کند. این روش هنگامی کارآمد است که ما  راه حل درست را نمی­دانیم و نمی­توانیم برنامه­ای دقیق برای آن بنویسیم اما با روش یادگیری ماشین می­توانیم تعداد زیادی نمونه را بررسی و راه حل را به دست آوریم. به این ترتیب، یادگیری ماشین را می­توان به عنوان روشی محاسباتی برای بهبود کارایی یا دقیق­تر کردن حدس و گمان­ها در نظر گرفت. در این روش اغلب از داده­هایی بهره می­برند که از پیش گردآوری شده و در اختیار کاربران و پژوهشگران قرار دارد. داده­ها می­توانند دیجیتالی یا هر نوع دیگری باشند. در هر صورت آنچه که در درست بودن گمانه­زنی­های پژوهشگر موثر است، کیفیت و اندازه­ی داده­هاست. الگوریتم ها، پیچیدگی مفاهیم تئوری و تعداد داده های اولیه به کار رفته در این روش به پیچیدگی مدلی که می خواهیم بسازی بستگی دارد. روش یادگیری ماشین می تواند کمک به سزایی نیز در کاهش هزینه ها داشته باشد.

در این پژوهش، با انجام شبیه سازی های پی در پی به روشی که پیشتر گفته شد، می توانیم داده های لازم را ایجاد کنیم و بکوشیم با بررسی و تحلیل این داده ها برنامه ای بنویسیم که از روی مشخصات ذره ی اولیه، انرژی را نخمین بزنیم. از آنجا که در این شبیه سازی همه ی اطلاعات را در اختیار داریم، می توانیم درستی از درستی مدل برای داده های شبیه سازی شده مطمئن شویم و در نهایت، نتایج این روش را بر روی داده های واقعی رصدخانه های پرتوهای کیهانی پیاده خواهیم کرد.