Zur Erforschung des Weltalls werden zunehmend grössere und genauere Teleskope eingesetzt. Das führt zu immer umfangreicheren Datenmengen. FHNW-Student Jonas Schwammberger nutzt Machine Learning, um aus der Datenflut Sinn zu machen.
«Sterne und Planeten haben mich schon als Kind interessiert», sagt Jonas Schwammberger, «doch damals konnte ich mir nicht vorstellen, wie viel Mathematik hinter der Erforschung des Weltalls steht». Der 28-jährige Informatiker an der Fachhochschule Nordwestschweiz FHNW muss es wissen, denn er entwickelt Algorithmen, die einst für das grösste Radioteleskop der Welt – dem Square Kilometre Array (SKA) – eingesetzt werden sollen. Sein Ziel: Eine Software, welche die enormen Datenmengen des geplanten Teleskops zu einem Bild verarbeitet.
Big Data von einem anderen Stern
«Das SKA wird etwa 10 Terabyte Daten pro Sekunde produzieren», erklärt Jonas Schwammberger, «das ist Big Data auf einem Niveau, wie wir es noch nie gesehen haben». Der Lösungsansatz des Master-Studenten: Machine Learning – also das künstliche Generieren von Wissen aus Erfahrung. Normalerweise wird Machine Learning eingesetzt, um beispielsweise Aktienkurse vorherzusehen oder Diagnosen zu automatisieren. Dabei lernt das System aus den Millionen von Datenfeldern und kann so Muster und Gesetzmässigkeiten erkennen, die ein Mensch nicht gesehen hätte. Das Prinzip des Maschinellen Lernens wendet Jonas Schwammberger in der Signalverarbeitung an und will so eine schnellere Datenverarbeitung realisieren.
Grundlegende Fragen beantworten
Doch für was all der Aufwand? «Mit seinen hochaufgelösten und schnellen Daten wird das SKA ein Instrument zur Erforschung von Schwarzen Löchern, Dunkler Materie oder Gravitationswellen sein – also von grundlegenden Fragen der Physik», erklärt Jonas Schwammberger. Aber auch «nähere» Anwendungen wie die Erforschung der eigenen Sonne könnte durch das riesige Radioteleskop möglich sein. Doch das ist noch Zukunftsmusik – der Bau des ersten Instruments des SKA wird erst dieses Jahr in Südafrika gestartet und soll 2020 erste Messungen durchführen.
6 Fragen zum Square Kilometre Array
Was ist das SKA?
Das Square Kilometre Array soll einst das grösste Radioteleskop der Welt werden. Es wird aus Tausenden von Teleskopschüsseln und Millionen von Antennen bestehen, die über zwei Standorte in Südafrika und Australien verstreut sind.
Was kann man mit dem SKA messen?
Mit dem SKA wird man Radiowellen in tiefen und mittleren Frequenzbereichen in enormer Auflösung messen können. Damit kann man diverse wissenschaftliche Rätsel wie Schwarze Löcher, Gravitationsfelder oder dunkle Energie erforschen.
Wer ist beim SKA-Projekt beteiligt?
Gegenwärtig hat die SKA-Organisation 11 Mitgliedsstaaten: Australien, Kanada, China, Indien, Italien, Niederlande, Neu Seeland, Süd Afrika, Schweden, Spanien und Grossbritannien. Die Schweiz ist (noch) kein Mitglied.
Was wurde an den Swiss SKA Days besprochen?
Vom 11. bis 12. Juni fanden die Swiss SKA Days auf dem Campus Brugg-Windisch statt. Mitglieder der SKA-Organisation und Astronomen der Schweizer Hochschulen trafen sich mit Vertretern der einheimischen Industrie. Die Wissenschaftlerinnen und Wissenschaftler warben für eine Teilnahme der Schweiz am SKA-Projekt. Das Symposium war eine Art «Matchmaking» zwischen der Wissenschaft und der Industrie.
Was wäre der Beitrag der FHNW zum SKA?
Bei einer Teilnahme der Schweiz am SKA könnten auch an der FHNW Teilprojekte umgesetzt werden. Mit ihrer grossen Erfahrung im Bereich Weltraumforschung und ihrer Nähe zur Industrie ist die FHNW ein natürlicher Kandidat. Die Astroinformatiker des Instituts für Data Science FHNW könnten ihre Big-Data-Kompetenzen einbringen, erweitern und weiter in die Wirtschaft transferieren.
Wird sich die Schweiz an SKA beteiligen?
Das hängt vom Interesse der Schweizer Industrie und schliesslich vom Willen der Politik ab. Bis 2020 muss der Bundesrat dem Parlament vorschlagen, an welchen Forschungsorganisationen sich die Schweiz in der Periode 2021-2024 beteiligen soll. Eine Vorentscheidung könnte im nächsten Jahr fallen, wenn die Schweizer Roadmap für Forschungsinfrastrukturen aktualisiert wird.
