The Scale of Astronomical Knowledge
กล้องโทรทรรศน์ LSST (Massive Synoptic Survey Telescope) หรือที่รู้จักในชื่อหอดูดาว Vera C. Rubin จะผลิตข้อมูล 20 terabyte ทุกคืนเมื่อเริ่มปฏิบัติการ ตลอดระยะเวลาสำรวจ 10 ปี จะสะสมข้อมูลถึง 60 petabyte ซึ่งเป็นข้อมูลจำนวนมากกว่าที่กล้องโทรทรรศน์ใดๆ เคยบันทึกมาในประวัติศาสตร์
กล้องโทรทรรศน์วิทยุอย่าง Sq. Kilometre Array (SKA) จะสร้างข้อมูลมากยิ่งกว่านั้น โดยผลิตข้อมูลประมาณ 675 petabyte ต่อวัน ซึ่งเกือบเทียบเท่ากับปริมาณการรับส่งข้อมูลทั้งหมดบนอินเทอร์เน็ตทั่วโลกในปี 2004
ข้อมูลจำนวนมหาศาลได้เปลี่ยนแปลงวงการดาราศาสตร์ไปหลายด้าน
Machine Studying and Automation
- การวิเคราะห์ข้อมูลแบบเดิมไม่สามารถจัดการกับมวลข้อมูลขนาดใหญ่ที่ไหลเข้ามาได้ นักดาราศาสตร์จึงใช้ Machine Studying ในการหา sample จำแนกวัตถุท้องฟ้า และค้นพบสิ่งผิดปกติที่อาจนำไปสู่การค้นพบครั้งใหม่
Cross-Sky Surveys
- ระบบฐานข้อมูลในปัจจุบันช่วยให้นักวิทยาศาสตร์สามารถเปรียบเทียบการภาพถ่ายจากกล้องหลายๆ แบบ ทั้งแสงที่ตามองเห็น คลื่นวิทยุ รังสีเอกซ์ และอื่นๆทำให้เกิดการค้นพบที่สำคัญ เช่น การสังเกตคลื่นความโน้มถ่วงและคลื่นแม่เหล็กไฟฟ้าที่เกิดขึ้นพร้อมกันเป็นครั้งแรกในปี 2017
Citizen Science
- Large knowledge ทำให้เกิดโครงการอย่าง Galaxy Zoo ที่เปิดให้คนทั่วไปช่วยจำแนกประเภทกาแล็กซี นำไปสู่การค้นพบใหม่ๆ ที่น่าตื่นเต้น รวมถึงการพบกาแล็กซีแปลกๆ ที่ไม่เคยเห็นมาก่อน
The Technical Infrastructure Behind Fashionable Astronomy
เนื่องจากข้อมูลมีขนาดใหญ่ จึงไม่สามารถจัดการข้อมูลด้วยวิธีปกติได้ ต้องใช้เครื่องทือที่ออกแบบมาเพื่อจัดการข้อมูลขนาดใหญ่โดยเฉพาะ
Knowledge Facilities
- สถานที่อย่าง Canadian Astronomy Knowledge Centre (CADC) ในแคนาดา และ The Area Telescope Science Institute (STScI) ในอเมริกา เป็นเหมือนคลังข้อมูลขนาดใหญ่ที่เก็บและประมวลผลข้อมูลจากกล้องโทรทรรศน์ทั่วโลก
Knowledge Requirements
- Worldwide Digital Observatory Alliance (IVOA) ได้พัฒนามาตรฐานสำหรับการแบ่งปันข้อมูลดาราศาสตร์ ทำให้นักวิทยาศาสตร์ทั่วโลกสามารถเข้าถึงและวิเคราะห์ข้อมูลจากกล้องโทรทรรศน์ใดก็ได้
Challenges and Future Instructions
แม้ว่าเทคโนโลยีจะก้าวหน้าขึ้นอย่างมาก แต่เหล่านักดาราศาสตร์ก็ยังต้องเผชิญกับอุปสรรคหลายอย่าง
Knowledge Administration
- เมื่อกล้องโทรทรรศน์สร้างข้อมูลจำนวนมหาศาลขึ้นทุกวัน ทำให้เหล่านักดาราศาสตร์เผชิญกับปัญหาคอขวดในการจัดเก็บและประมวลผลข้อมูล นักดาราศาสตร์จึงเร่งพัฒนาเทคโนโลยีใหม่ๆ เช่น เทคนิคการบีบอัดข้อมูลและระบบประมวลผลที่มีประสิทธิภาพมากขึ้น เพื่อรองรับปริมาณข้อมูลที่เพิ่มขึ้นอย่างรวดเร็ว
Knowledge Entry
- การทำให้นักวิจัยทั่วโลกเข้าถึงข้อมูลดาราศาสตร์ได้กลายเป็นเรื่องสำคัญ แต่ยังมีปัญหาใหญ่ที่ต้องแก้ เช่น ความเร็วอินเทอร์เน็ตและกำลังการประมวลผลที่ไม่เพียงพอเมื่อเจอข้อมูลขนาดใหญ่ ซึ่งยังคงเป็นปัญหาที่ต้องแก้ไขต่อไป เพื่อให้นักดาราศาสตร์ใช้งานข้อมูลได้ง่ายขึ้นและเกิดประโยชน์สูงสุดในการศึกษาเรื่องราวของจักรวาล
Knowledge Preservation
- การจัดเก็บข้อมูลในระยะยาวมีความสำคัญมาก เพราะข้อมูลเหล่านี้ช่วยให้นักดาราศาสตร์ศึกษาปรากฏการณ์ที่ต้องใช้เวลานาน เช่น การเปลี่ยนแปลงของดวงดาว เป็นต้น บางปรากฏการณ์อาจกินเวลาหลายสิบปีหรือหลายศตวรรษ การเก็บข้อมูลอย่างเป็นระบบจึงเป็นสิ่งจำเป็น เพื่อให้สามารถนำมาใช้งานได้ในอนาคตโดยไม่สูญหายหรือเสียหาย
The Way forward for Astronomical Knowledge
อนาคตข้างหน้าจะมีพัฒนาการที่น่าตื่นเต้นมากยิ่งขึ้น
Quantum Computing
- เมื่อเทคโนโลยีคอมพิวเตอร์ควอนตัมพัฒนาขึ้น จะช่วยเปลี่ยนโฉมการประมวลผลข้อมูลอย่างสิ้นเชิง โดยเฉพาะในงานที่ต้องจำลองระบบฟิสิกส์ที่ซับซ้อน ซึ่งใช้เวลาและทรัพยากรจำนวนมาก
Actual-Time Astronomy
- การประมวลผลข้อมูลที่รวดเร็วขึ้น จะช่วยให้นักดาราศาสตร์สามารถตรวจจับเหตุการณ์สำคัญ เช่น การเกิดซูเปอร์โนวาหรือคลื่นความโน้มถ่วง และตอบสนองต่อปรากฏการณ์เหล่านี้ได้ในทันที
Synthetic Intelligence
- AI จะเข้ามามีบทบาทมากขึ้น โดยช่วยวิเคราะห์ข้อมูลจำนวนมหาศาล หา sample หรือปรากฏการณ์ที่อาจหลุดรอดสายตามนุษย์ เพิ่มโอกาสในการค้นพบใหม่ๆ
Conclusion
การที่วงการดาราศาสตร์หันมาให้ความสำคัญกับข้อมูล ถือเป็นจุดเปลี่ยนครั้งใหญ่ในการศึกษาเรื่องราวของจักรวาล ทุกวันนี้เราเก็บและวิเคราะห์ข้อมูลได้มากขึ้นเรื่อยๆ จนมาถึงจุดที่ว่า สิ่งที่จำกัดความก้าวหน้าของเราไม่ใช่ความสามารถในการสังเกตดูจักรวาลอีกต่อไป แต่เป็นความสามารถในการจัดการกับข้อมูลมหาศาลที่เครื่องมือส่งเข้ามาต่างหาก
การเปลี่ยนแปลงครั้งนี้ทำให้เราค้นพบสิ่งใหม่ๆ เร็วกว่าที่เคยเป็นมา และเปิดโลกแห่งความเข้าใจเกี่ยวกับจักรวาลให้กว้างขึ้น อนาคตของวงการดาราศาสตร์ไม่ได้อยู่แค่ที่การสร้างกล้องโทรทรรศน์ให้ใหญ่ขึ้น แต่อยู่ที่ว่าเราจะรับมือกับข้อมูลมหาศาลที่ไหลทะลักเข้ามาจากเครื่องมือได้ดีแค่ไหน จะจัดการ ประมวลผล และดึงความรู้จากข้อมูลพวกนี้ได้อย่างไร
ถ้าคุณอยากมีส่วนร่วมกับการเปลี่ยนแปลงครั้งสำคัญนี้ ก็มีช่องทางให้เลือกมากมาย จะเป็นการเข้าร่วมงานวิจัยในมหาวิทยาลัย โครงการวิทยาศาสตร์ภาคประชาชน หรืองานด้าน Knowledge Science ก็ได้ ตอนนี้จักรวาลกำลังเล่าเรื่องราวให้เราฟังผ่านข้อมูล และในที่สุดเราก็กำลังสร้างเครื่องมือที่จะช่วยให้เราเข้าใจสิ่งที่มันกำลังบอก
References:
Illinois Distributed Museum. (n.d.). Massive Synoptic Survey Telescope. Retrieved from https://distributedmuseum.illinois.edu/exhibit/large-synoptic-survey-telescope/#:~:text=LSST%20will%20collect%2020%20terabytes,then%20into%20daily%20produced%20products.
SKAO. (n.d.). Large Knowledge. Retrieved from https://www.skao.int/en/explore/big-data
Wikipedia. (n.d.). Web visitors. Retrieved from https://en.wikipedia.org/wiki/Internet_traffic
Australian Nationwide College. (2017). The primary detection of an electromagnetic counterpart to a gravitational wave occasion. Retrieved from https://aat.anu.edu.au/news-media/media-releases/the-first-detection-of-an-electromagnetic-counterpart-to-a-gravitational-wave-event#:~:text=On%20August%2017%2C%202017%2C%20scientists,new%20wonder%20of%20the%20universe.
Zooniverse. (n.d.). Galaxy Zoo. Retrieved from https://www.zooniverse.org/projects/zookeeper/galaxy-zoo/
Harvard-Smithsonian Heart for Astrophysics. (n.d.). Machine Studying. Retrieved from https://pweb.cfa.harvard.edu/research/topic/machine-learning#:~:text=Machine%20learning%20plays%20a%20huge,out%20features%20in%20galaxy%20clusters.
Nationwide Analysis Council Canada. (2022, June 28). Canadian Astronomy Knowledge Centre. Retrieved from https://www.cadc-ccda.hia-iha.nrc-cnrc.gc.ca/en/
Area Telescope Science Institute. (n.d.). Retrieved from https://www.stsci.edu/
Garvanèse, G. (2016, December 9). Storing Scientific Knowledge for the Future. Retrieved from https://news.cnrs.fr/articles/storing-scientific-data-for-the-future
Knowledge Science Applications. (n.d.). The Position of Knowledge Science in Astronomy and Interstellar Exploration. Retrieved from https://datascienceprograms.com/learn/the-role-of-data-science-in-astronomy-and-interstellar-exploration/
Josh Schertz. (2019, February 7). The Way forward for Area Observations. Retrieved from https://www.thespaceresource.com/news/2019/2/the-future-of-space-observations
Forbes. (2024). The Way forward for Astronomy Lies in Synthetic Intelligence. Retrieved from https://www.forbes.com/sites/brucedorminey/2024/01/07/the-future-of-astronomy-lies-in-artificial-intelligence/
