Ep.22 : Finding Earth 2.0 การค้นหาโลกใหม่โดยยืมแรงควอนตัมฟิสิกส์
พลิกกระดานล่าโลกใบใหม่ Earth 2.0 เมื่อควอนตัมฟิสิกส์ฉีกกฎการมองหาดาวเคราะห์นอกระบบ
อ้างอิงข้อมูลบางส่วนจาก FB Spaceman
ในโลกของการสำรวจอวกาศ มีภารกิจชิ้นโบว์แดงชิ้นหนึ่งที่เปรียบเสมือนโจทย์ที่ไม่มีวันแก้ตก (No-Win Scenario) ตามแบบฉบับบททดสอบ Kobayashi Maru นั่นคือ "การตามหาดาวเคราะห์ที่อยู่อาศัยได้" หรือ Earth 2.0
การถ่ายภาพดาวเคราะห์นอกระบบ (Exoplanet) ที่มีลักษณะคล้ายโลกและโคจรรอบดาวฤกษ์อันไกลโพ้น เปรียบเหมือนการพยายามมองหาหิ่งห้อยตัวจิ๋วที่บินอยู่ข้างสปอตไลต์พลังสูง เพราะดาวเคราะห์เหล่านี้มีความสว่างน้อยกว่าดาวแม่ของมันตั้งแต่ 100 ล้าน ไปจนถึง 10,000 ล้านเท่า ทำให้การถ่ายภาพโดยตรงกลายเป็นหนึ่งในความท้าทายที่ยิ่งใหญ่ที่สุดในวงการดาราศาสตร์
อย่างไรก็ตาม ผลงานวิจัยล่าสุดจากมหาวิทยาลัยฮันยัง (Hanyang University) ประเทศเกาหลีใต้ โดย Hyunsoo Choi และทีมงาน ได้เสนอวิธีแก้ปัญหาเชิงทฤษฎีด้วยการผสานฟิสิกส์ควอนตัม (Quantum Physics) เข้ากับอัลกอริทึมคอมพิวเตอร์สุดอัจฉริยะ เพื่อฉีกกฎข้อจำกัดเดิมที่มนุษยชาติติดหล่มมานานหลายสิบปี
1. จุดเริ่มต้นการเดินทาง: ตามหาบ้านหลังที่สองของมนุษยชาติ
ประวัติศาสตร์การตามหาดาวเคราะห์นอกระบบสุริยะ (Exoplanets) เริ่มต้นอย่างจริงจังในทศวรรษ 1990s จากความสงสัยที่ว่า 'เราอยู่อย่างโดดเดี่ยวในจักรวาลจริงหรือ?'
เป้าหมายสูงสุดไม่ใช่แค่การเจอก้อนหินลอยเคว้งคว้างในอวกาศ แต่คือการตามหาดาวเคราะห์หินที่มีน้ำในสถานะของเหลว มีชั้นบรรยากาศที่เหมาะสม และมีวงโคจรอยู่ในเขตที่อยู่อาศัยได้ (Habitable Zone) เหมือนกับโลกของเรา
ทว่ายิ่งเราต้องการความละเอียดมากเท่าไหร่ ข้อจำกัดทางเทคโนโลยีก็ยิ่งบีบรัดเราแน่นขึ้นเท่านั้น
2. วิธีดั้งเดิมในการค้นหาดวงดาว (Traditional Method)
ที่ผ่านมา นักดาราศาสตร์ใช้ 2 วิธีหลักในการล่าดาวเคราะห์นอกระบบ ได้แก่
1) วิธีทรานซิต (Transit Method): เฝ้ารอกล้องส่องดูความสว่างของดาวฤกษ์ที่ลดลงชั่วขณะ เมื่อมีดาวเคราะห์โคจรตัดหน้า (เหมือนเงาจิ๋วบังหลอดไฟ)
2) วิธีความเร็วเรเดียล (Radial Velocity): ตรวจวัดการสั่นไหวเล็กน้อยของดาวฤกษ์ ที่เกิดจากแรงโน้มถ่วงของดาวเคราะห์ที่วิ่งวนรอบตัวมัน
แม้ทั้งสองวิธีจะช่วยให้เราค้นพบดาวเคราะห์นับพันดวงแล้ว แต่ข้อจำกัดคือ "เราแทบไม่เคยเห็นตัวดาวเคราะห์จริงๆ เลย" เราเห็นแค่กราฟตัวเลข การตกของแสง หรือการแกว่งของคลื่นความถี่ เปรียบเหมือนการรู้ว่ามีคนเดินผ่านหน้าห้องจากเงาที่ทาบลงบนกำแพง แต่ไม่เคยได้มองเห็นหน้าตาที่แท้จริงของคนๆนั้นเลย
3. ทำไมการหาดาวเคราะห์จึงยากกว่าดาวฤกษ์หลายร้อยหลายพันเท่า?
ในทางฟิสิกส์ แสงจากดาวฤกษ์ (เช่น ดวงอาทิตย์) สว่างกว่าแสงสะท้อนจากดาวเคราะห์ขนาดเท่าโลกที่โคจรอยู่รอบๆ ถึง หลายพันล้านเท่า ปัญหาเปรียบเสมือนการพยายามมองหาละอองฝุ่นที่สะท้อนแสงไฟฉายจ้าในระยะประชิด แสงจ้าจากดาวฤกษ์จะแผ่กลบ (Glare) สัญญาณทั้งหมดจนมิด
การพยายามใช้กล้องโทรทรรศน์ธรรมดาเพื่อจับภาพดาวเคราะห์โดยตรง จึงติดกำแพงกั้นทางฟิสิกส์ที่เรียกว่า "สัญญาณรบกวนจากโฟตอน (Photon Noise)" ยิ่งพยายามขยายภาพให้ใหญ่ขึ้น แสงสว่างรบกวนก็ยิ่งทวีความรุนแรงขึ้นตามไปด้วย เป็นทางตันที่นักดาราศาสตร์ต้องเผชิญมานานหลายสิบปี
4. กำแพงแห่งแสงและ "ขีดจำกัดเรย์ลี"
ปกติแล้วฟิสิกส์ควอนตัมกับการถ่ายภาพวัตถุขนาดใหญ่อย่างดาวเคราะห์ดูเป็นเรื่องที่เข้ากันได้ยาก อีกทั้งความขัดแย้งระหว่างกลศาสตร์ควอนตัมกับทฤษฎีสัมพัทธภาพก็ยิ่งทำให้ดูเหมือนนำมาใช้งานจริงได้ยาก
แต่คำตอบของเรื่องนี้ซ่อนอยู่ในขีดจำกัดทางฟิสิกส์ที่เรียกว่า ขีดจำกัดเรย์ลี (Rayleigh limit) ซึ่งระบุว่า หากวัตถุสองชิ้นอยู่ใกล้กันมากเกินไป แสงหรืออนุภาคโฟตอน (Photon) ที่ปลดปล่อยออกมาจะพร่ามัวรวมกันเป็นจุดเดียว
ในกรณีของดาวเคราะห์นอกระบบ แสงอันมหาศาลของดาวฤกษ์จะกลืนแสงอันริบหรี่ของดาวเคราะห์ไปจนหมด ตัวตรวจวัดแสงแบบทั่วไปจึงไม่สามารถแยกแยะได้เลยว่าโฟตอนที่ตรวจพบนั้นมาจากดาวเคราะห์หรือดาวฤกษ์กันแน่
5.เปลี่ยนกฎของเกมด้วย "รูปแบบคลื่น" และควอนตัมออปติกส์
แล้วทีมวิจัยฮันยังเปลี่ยนกฎของเกม Kobayashi Maru ครั้งนี้ได้อย่างไร ?
แทนที่จะพยายามสร้างกล้องโทรทรรศน์ที่มีขนาดใหญ่ขึ้นเรื่อยๆ เพื่อรับปริมาณโฟตอนให้ได้มากขึ้นแบบที่ใครๆก็น่าจะทำ ทีมวิจัยจากมหาวิทยาลัยฮันยังเลือกที่จะตั้งคำถามใหม่กับปัญหา โดยแนวคิดการเปลี่ยนเกมของพวกเขาคือ
"ถ้าเราเลิกพยายามนับเม็ดแสง (Photons) แบบตรงไปตรงมา
แล้วเปลี่ยนมาวิเคราะห์รูปแบบของคลื่นแทนล่ะ?"
ทีมนักวิจัยได้นำคุณสมบัติของกลศาสตร์ควอนตัมเข้ามาแก้เกม เพราะโฟตอนไม่ได้มีแค่ระดับพลังงานหรือความสว่าง แต่มันยังมี รูปแบบคลื่น (Wave shape) แอบแฝงอยู่
การคัดแยกและวัดค่าโฟตอนตามรูปแบบคลื่นก่อนที่แสงจะตกกระทบตัวตรวจวัด หรือที่เรียกว่า การวัดรูปแบบเชิงพื้นที่ (Spatial-mode measurement) ช่วยให้ระบบดึงข้อมูลพิเศษที่กล้องถ่ายภาพแบบเดิมมองไม่เห็นออกมาได้ และเพื่อให้ระบบทำงานแบบเรียลไทม์ ทีมวิจัยได้สร้างวงจรป้อนกลับแบบต่อเนื่องลงในซอฟต์แวร์วิเคราะห์ภาพ โดยใช้อัตราส่วนแบบลอการิทึมเพื่อให้อัลกอริทึมสามารถติดตามความแตกต่างของความสว่างระดับสุดขั้วได้
เมื่อระบบเริ่มคาดเดาโครงสร้างของระบบดาว มันจะคำนวณค่าอนุพันธ์ลอการิทึมสมมาตร (Symmetric Logarithmic Derivative) เพื่อสั่งการให้เครื่องคัดแยกโฟตอนปรับตำแหน่งให้จัดเก็บข้อมูลควอนตัมได้มากที่สุด พร้อมทั้งนำเครื่องมือทางสถิติอย่าง Bayesian Information Criterion มาช่วยคำนวณจำนวนดาวเคราะห์อัตโนมัติแทนการใช้มนุษย์ป้อนค่าเดาลงไป
6. เมื่อลองเปรียบเทียบเทคนิคการกรองข้อมูลแบบนี้กับวงการอื่นๆ
การใช้เทคนิคนี้ทำให้ระบบสามารถแยกแยะสัญญาณแสงที่อ่อนมากๆ ของดาวเคราะห์ ออกจากแสงรบกวนมหาศาลของดาวฤกษ์แม่ได้ เปรียบเสมือนการตัดเสียงรบกวนรอบข้าง (A.N.C. - Active Noise Cancellation) ในหูฟังยุคใหม่ พอตัดแสงจ้าทิ้งไป ก็จะเหลือไว้เพียงข้อมูลเชิงคลื่นที่ระบุตำแหน่งและตัวตนของดาวเคราะห์ได้อย่างแม่นยำ
ถ้าเรายังดันทุรังเล่นตามกฎเดิมของกลศาสตร์ดาราศาสตร์คลาสสิก (Classical Optics) มนุษย์เราจะชนกำแพง "ขีดจำกัดเรย์ลี" (Rayleigh Limit) จนไม่มีวันไปต่อได้แน่นอน เพราะการพยายามถ่ายภาพดาวเคราะห์ที่สลัวกว่าดาวแม่ 100 ล้านเท่า ด้วยการนับปริมาณแสง (Intensity) แบบเดิมๆ มันคือการพยายามแยกแสงหิ่งห้อยที่บินอยู่ชิดติดกับสปอตไลต์สนามฟุตบอล
แต่สิ่งที่ทีมนักวิจัยจากมหาวิทยาลัยฮันยังทำ คือการเลิกโฟกัสที่ "ความสว่าง" แล้วเปลี่ยนกฎของเกมไปใช้ "คุณสมบัติเชิงคลื่นของควอนตัม" แทน
・กล้องแบบเดิม (Classical Sieve): สนใจแค่ "จำนวนโฟตอน" หรือปริมาณโฟตอนที่ตกกระทบเซนเซอร์ ผลคือโฟตอนมหาศาลจากดาวฤกษ์กลบโฟตอนอันน้อยนิดของดาวเคราะห์จนมิด
・กล้องควอนตัม (Spatial-Mode Sieve): สนใจ "รูปร่างของคลื่น" (Spatial Waveform) ของโฟตอนแต่ละตัว ก่อน ที่มันจะชนเซนเซอร์ เพราะโฟตอนที่เดินทางมาจากตำแหน่งต่างกัน แม้จะใกล้กันมาก แต่จะมีสถานะเชิงพื้นที่ (Spatial state) ไม่เหมือนกัน
กล้องควอนตัมตัวนี้ทำงานเหมือน "ตะแกรงคัดแยกรูปทรงเรขาคณิต" เนื่องจากแสงจากดาวฤกษ์ (ที่อยู่ตรงกลางศูนย์กลางพอดี) กับแสงจากดาวเคราะห์ (ที่เยื้องออกไปนิดเดียว) จะมี "รูปทรงการกระจายตัวของคลื่น" (Spatial Mode) ที่ต่างกันทางทฤษฎีควอนตัม กล้องตัวนี้จะทำหน้าที่เบี่ยงเอาคลื่นแสงที่มีรูปทรงของดาวฤกษ์ทิ้งไปทางอื่นทั้งหมด และเปิดทางให้เฉพาะคลื่นแสงที่มีรูปทรงตรงกับดาวเคราะห์เล็ดลอดตกลงมาบนเซนเซอร์รับภาพ
หลักการนี้คล้ายคลึงกับการทำ Vibration Analysis (การวิเคราะห์ความสั่นสะเทือน) เวลาตรวจสอบการทำงานของเครื่องจักรกลหนัก สมมติว่ามอเตอร์ตัวใหญ่กำลังสั่นสะเทือนอย่างรุนแรง (เปรียบเหมือนแสงสว่างจ้าของดาวฤกษ์) เราจะไม่สามารถรู้ได้เลยว่า bearing ตัวเล็กๆข้างในกำลังมีปัญหา (เปรียบเหมือนดาวเคราะห์) หากเราใช้แค่มือจับดูความสั่นรวมๆ
แต่เมื่อเราใช้เครื่องมือรับสัญญาณแล้วนำมาผ่านการแปลงทางคณิตศาสตร์ (เช่น FFT - Fast Fourier Transform) เพื่อแยกความถี่ของคลื่นสั่นสะเทือนออกเป็นกราฟ
เราจะสามารถกรองเอาคลื่นความถี่หลักของมอเตอร์ทิ้งไป และมองเห็น "คลื่นความถี่แหลมๆ เล็กๆ" ของลูกปืนที่กำลังแตกโผล่ขึ้นมาให้เห็นได้อย่างชัดเจน
หรือถ้าจะเปรียบเทียบให้เห็นภาพง่ายๆ เหมือนเรากำลังพยายามฟังเสียงกระซิบข้างเครื่องยนต์เจ็ทที่กำลังเร่งเครื่องเต็มสูบ หากใช้วิธีเดิม คือการพยายาม "เพิ่มความไวของไมโครโฟน" เสียงเครื่องยนต์ก็จะยิ่งดังกลบจนหูดับไมโครโฟนแตก แต่การใช้ฟิสิกส์ควอนตัม คือการ "ใส่ฟิลเตอร์กักคลื่นเสียง" ที่ตัดรูปแบบคลื่นของเครื่องยนต์เจ็ททิ้งไปตั้งแต่ก่อนเข้าไมโครโฟน ทำให้เหลือแค่สัญญาณเสียงกระซิบที่แผ่วเบาเล็ดลอดออกมาให้เราได้ยินอย่างชัดเจน
มันคือศิลปะของการทำ "Advanced Signal Processing" ที่เปลี่ยนกฎของเกมจากการดึงดันสู้ด้วย "ปริมาณ" ไปสู่การคัดกรองด้วย "คุณสมบัติของคลื่น" แทน
7. ผลลัพธ์จากการจำลองที่น่าทึ่ง
ทีมวิจัยได้ทดสอบระบบผ่านแบบจำลองระบบดาวที่มีดาวฤกษ์ 1 ดวง และดาวเคราะห์ 2 ดวง โดยดวงหนึ่งสลัวกว่าดาวแม่ 10,000 เท่า และอีกดวงหนึ่งสลัวกว่าถึง 100 ล้านเท่า ซึ่งทั้งคู่อยู่ในระยะที่ท้าทายขีดจำกัดทางออปติกส์ ผ่านการทดสอบด้วย การจำลองด้วยวิธีมอนติคาร์โล (Monte Carlo simulation) ผลลัพธ์ที่ได้น่าทึ่งมาก
・ระบบสามารถระบุจำนวนวัตถุในระบบ 3 ชิ้น ได้ถูกต้องถึง 72.5%
・ในรอบที่ทำนายถูก ระบบสามารถระบุพิกัดของดาวเคราะห์ได้แม่นยำในระดับพิกเซล พร้อมประเมินความสว่างจริงของดาวเคราะห์ที่ริบหรี่ที่สุดได้ถูกต้องถึง 99.7%
・แม้การทดสอบจะถูกรบกวนด้วยการตั้งค่ามุมมองกล้องโทรทรรศน์ให้เอียงผิดพลาด อัลกอริทึมก็ยังคงปรับตัวได้ดีและมีอัตราความสำเร็จสูงถึง 71.3%
งานวิจัยชิ้นนี้จึงนับเป็นก้าวกระโดดครั้งใหญ่ ที่ช่วยยกระดับความสามารถในการค้นหาดาวเคราะห์จากเดิมที่ทำได้เพียงอัตราส่วนความสว่าง 1 ใน 1,000 เท่า ให้ก้าวกระโดดขึ้นไปถึง 100 ล้านเท่า ได้สำเร็จ
ความงดงามทางวิศวกรรมของวิจัยชิ้นนี้ ไม่ใช่แค่ทฤษฎีทางฟิสิกส์ แต่คือการทำ Co-design ระหว่างซอฟต์แวร์และฟิสิกส์เชิงคำนวณ โดยเอาอัลกอริทึมอย่าง Symmetric Logarithmic Derivative (SLD) มาคุมวงจรป้อนกลับ (Feedback loop) แบบเรียลไทม์ และใช้ Bayesian Information Criterion มาช่วยตัดสินใจตัด Noise อัตโนมัติ ผลลัพธ์คือการขยายขีดความสามารถ (Contrast Ratio) จากเทคโนโลยีเดิมที่ทำได้เพียง 1 ใน 1,000 เท่า พุ่งทะยานไปถึง 1 ใน 100,000,000 เท่า (ก้าวกระโดดถึง 5 อันดับขนาด หรือ 100,000 เท่า!)
ก้าวถัดไปคือหน้าที่ของนักพัฒนาฮาร์ดแวร์ในการนำทฤษฎีนี้ไปสร้างเป็นอุปกรณ์จริง เพื่อออกตามหาโลกใบที่สองในจักรวาล แม้จะมีอุปสรรคทางเทคนิคที่ต้องแก้ไขอีกมาก แต่ในมุมมองของฟิสิกส์ทฤษฎี การรวมกันของศาสตร์ล่าดาวเคราะห์และการถ่ายภาพเชิงควอนตัม ได้เปิดประตูสู่ยุคใหม่ของดาราศาสตร์ร่วมสมัยอย่างแท้จริง
8. หลักการควอนตัมฟิสิกส์ที่เข้ามาพลิกกระดาน
หัวใจสำคัญของการเปลี่ยนกฎเกมครั้งนี้ อยู่ที่การนำคุณลักษณะทางควอนตัมของแสงมาใช้ประโยชน์
- ความพ้องเชิงพื้นที่ (Spatial Coherence): แสงที่เดินทางมาจากแหล่งกำเนิดที่ต่างกัน จะมีคุณสมบัติทางเฟสและรูปแบบคลื่นที่ไม่เหมือนกัน แม้แสงจากดาวฤกษ์จะสว่างกลบทุกสิ่ง แต่คลื่นแสงที่สะท้อนจากดาวเคราะห์ดวงเล็กๆ จะทิ้ง "ลายเซ็นเชิงควอนตัม (Quantum Signature)" เอาไว้ในโครงสร้างของหน้าคลื่น (Wavefront)
- การประมวลผลสถานะควอนตัม: ทีมวิจัยได้พัฒนาอัลกอริทึมทางควอนตัมออปติกส์ เพื่อถอดรหัสรูปแบบการแทรกสอด (Interference Pattern) ของคลื่นแสงที่ซับซ้อนนี้ ทำให้สามารถสกัดภาพและข้อมูลของดาวเคราะห์ที่ซ่อนอยู่หลังแสงจ้าออกมาได้ โดยไม่ต้องพึ่งพาการบังแสงแบบเดิม (Coronagraphs) ที่มีข้อจำกัดสูง
การค้นพบของทีมนักวิจัยฮันยังครั้งนี้ ถือเป็นชัยชนะแบบฉบับ Kobayashi Maru อย่างแท้จริง เมื่อกติกาเดิมบอกว่า "เป็นไปได้ 0% ที่จะมองเห็นดาวเคราะห์โลกดวงใหม่ผ่านแสงจ้าของดาวฤกษ์" พวกเขาไม่ได้ก้มหน้าฝืนทำตามกติกาเดิมด้วยการสร้างกล้องที่ใหญ่ขึ้น
แต่เลือกที่จะ "เปลี่ยนนิยามของแสง" จากการมองเป็นเม็ดอนุภาค มาเป็นการอ่านรหัสผ่านคลื่นควอนตัมแทน และนี่คือจุดเริ่มต้นที่กำลังจะทำให้ประตูบานใหญ่สู่อวกาศอันไกลโพ้น เปิดออกกว้างกว่าที่เคยเป็นมา
อภิธานศัพท์ Ep.22 | Kobayashi Maru Glossary
สำหรับในEp.22นี้จะมีศัพท์เทคนิคทางงานวิจัยเยอะหน่อย ผมเลยลองค้นข้อมูลแล้วสรุปแยกออกมาใส่ไว้ในส่วนของอภิธานศัพท์ท้ายบทแทน จะได้ไม่ปนกับบทความหลัก ผู้ที่สนใจเจาะลึกกลไกทางฟิสิกส์และสถิติที่อยู่เบื้องหลังความสำเร็จของภารกิจนี้ นี่คือรายละเอียดทางเทคนิคของคำศัพท์สำคัญในบทนี้ครับ
1. ขีดจำกัดเรย์ลี (Rayleigh Limit)
ในทางทัศนศาสตร์ (Optics) ขีดจำกัดเรย์ลีคือเกณฑ์มาตรฐานที่กำหนดความสามารถในการแยกแยะ (Resolving Power) ของระบบมองภาพ เมื่อแสงจากแหล่งกำเนิดจุดสองจุดเดินทางผ่านเลนส์หรือกระจกเงา มันจะเกิดการเลี้ยวเบน (Diffraction) กลายเป็นวงแหวนสว่างที่เรียกว่า Airy Disk หากจุดกำเนิดสองจุดอยู่ใกล้กันเกินไปจนวงแหวนเหล่านั้นซ้อนทับกันเกินกว่าครึ่งหนึ่งของรัศมีวงแหวน
ระบบออปติกส์จะมองเห็นมันเป็นก้อนแสงเดียวที่ไม่สามารถแยกแยะได้
นี่คือสาเหตุที่กล้องโทรทรรศน์ธรรมดาไม่สามารถส่องเห็นดาวเคราะห์ที่อยู่ชิดติดกับดาวฤกษ์สว่างๆ ได้ เพราะแสงของดาวฤกษ์จะกลืนและบังคับให้ทุกอย่างยุบรวมเป็นจุดแสงเดี่ยวตามกฎของขีดจำกัดเรย์ลี
2. การจำลองด้วยวิธีมอนติคาร์โล (Monte Carlo Simulation)
มอนติคาร์โลไม่ใช่เครื่องมือฟิสิกส์ แต่เป็น "กระบวนการทางสถิติและคอมพิวเตอร์" ที่อาศัยการสุ่มตัวอย่างซ้ำๆ (Repeated Random Sampling) เพื่อหาผลลัพธ์ของระบบที่มีความซับซ้อนและมีความไม่แน่นอนสูง
ในงานวิจัยนี้ ทีมงานไม่ได้จำลองภาพถ่ายดาวเคราะห์แค่ภาพเดียว แต่ใช้คอมพิวเตอร์จำลองสถานการณ์การสั่นไหวของโฟตอน สัญญาณรบกวนพื้นหลัง (Noise) และความแปรปรวนทางควอนตัม นับแสนๆ ครั้งด้วยตัวเลขสุ่ม เพื่อดูว่าอัลกอริทึมควอนตัมจะสามารถแยกแยะสัญญาณดาวเคราะห์ท่ามกลางความโกลาหลนั้นได้แม่นยำแค่ไหนภายใต้สภาวะแวดล้อมที่จำลองมาจากอวกาศจริง
3. การวัดรูปแบบเชิงพื้นที่ (Spatial-mode measurement)
ในทางควอนตัมออปติกส์ แสงไม่ได้เดินทางมาเป็นแค่เม็ดอนุภาคพลังงานเดี่ยวๆ แต่โครงสร้างของหน้าคลื่น (Wavefront) จะมีรูปแบบการกระจายตัวในปริภูมิที่เรียกว่า "โหมดเชิงพื้นที่ (Spatial Modes)" (เช่น โหมด Hermite-Gaussian หรือ Laguerre-Gaussian) การวัดแบบเดิมจะสนใจแค่พลังงานรวมทั้งหมด ซึ่งทำให้แสงสว่างจ้าของดาวฤกษ์กลืนทุกอย่าง
แต่ Spatial-mode measurement คือกระบวนการทางควอนตัมที่ใช้ตัวแยกแสงหรือตัวกรองเชิงพื้นที่ (Spatial-mode sorters) เพื่อดักจับและแยกแยะโฟตอนตามรูปทรงของคลื่นแสง แทนที่จะมองเป็นจุดแสงก้อนเดียวกัน ทำให้เราสามารถแยก "ลายเซ็นเชิงพื้นที่" ของดาวเคราะห์ที่ซ่อนอยู่ออกมาจากแสงรบกวนมหาศาลของดาวฤกษ์ได้อย่างแม่นยำ
4. อนุพันธ์ลอการิทึมสมมาตร (Symmetric Logarithmic Derivative - SLD)
ในทฤษฎีการประมาณค่าเชิงควอนตัม (Quantum Estimation Theory) SLD คือตัวดำเนินการทางคณิตศาสตร์ (Operator) ที่ใช้คำนวณหาขีดจำกัดสูงสุดของความแม่นยำในการวัดพารามิเตอร์ทางควอนตัม (Quantum Cramér-Rao Bound)
เนื่องจากสถานะทางควอนตัมของแสงมีความซับซ้อนและไม่สามารถวัดค่าตัวแปรทุกตัวพร้อมกันได้อย่างสมบูรณ์แบบตามหลักความไม่แน่นอน (Uncertainty Principle)
การคำนวณหาค่า SLD จะช่วยให้อัลกอริทึมรู้ว่า “เราต้องตั้งค่าตัวกรองและตัววัดควอนตัมอย่างไร ถึงจะดึงข้อมูลที่ซ่อนอยู่ (เช่น ตำแหน่งและความสว่างที่แท้จริงของดาวเคราะห์) ออกมาได้มากที่สุดด้วยความผิดพลาดน้อยที่สุด”
เปรียบเสมือนเข็มทิศทางคณิตศาสตร์ที่นำทางระบบในการรีดเร้นข้อมูลจากสถานะควอนตัม
5. ความพ้องเชิงพื้นที่ (Spatial Coherence)
ในฟิสิกส์ของคลื่น ความพ้องเชิงพื้นที่คือคุณสมบัติที่อธิบายว่า "เฟสของคลื่นแสง" ที่ตำแหน่งต่างๆ ในพื้นที่ว่างมีความสอดคล้องหรือสัมพันธ์กันมากแค่ไหน
แสงจากดาวฤกษ์ขนาดใหญ่และแสงที่สะท้อนจากดาวเคราะห์ดวงจิ๋วจะมีโครงสร้างความพ้องเชิงพื้นที่ที่แตกต่างกันอย่างสิ้นเชิง การวิเคราะห์ความพ้องเชิงพื้นที่ช่วยให้ระบบถอดรหัสรูปแบบความสัมพันธ์ของหน้าคลื่นที่ซ้อนทับกันอยู่ ทำให้แยกแยะได้ว่าคลื่นส่วนใดแผ่มาจากจุดศูนย์กลาง (ดาวฤกษ์) และส่วนใดคือลายเซ็นคลื่นที่สะท้อนมาจากดาวเคราะห์ แม้พวกมันจะอยู่ชิดกันจนทะลุกรอบขีดจำกัดเรย์ลีก็ตาม
6. การประมวลผลสถานะควอนตัม (Quantum State Processing)
ข้อมูลในเชิงควอนตัมไม่ได้ถูกกักเก็บไว้แค่ในรูปแบบของบิตข้อมูลคลาสสิก (0 หรือ 1) หรือระดับความสว่างทั่วไป แต่ถูกเข้ารหัสอยู่ในรูปของแอมพลิจูดความน่าจะเป็นและสถานะซ้อนทับ (Superposition) ของโฟตอน
การประมวลผลสถานะควอนตัมจึงเป็นกระบวนการทางอัลกอริทึมขั้นสูง ที่ทำหน้าที่คำนวณและจัดการกับสถานะทางควอนตัมเหล่านี้โดยตรง
เพื่อสกัดข้อมูลเชิงลึกแปลงออกมาเป็นพิกัด ความสว่าง และจำนวนของดาวเคราะห์ที่ซ่อนอยู่ได้อย่างแม่นยำ โดยไม่ทำลายข้อมูลเชิงเฟสที่เปราะบางไปเสียก่อน
7. Bayesian Information Criterion (BIC) คืออะไร และเกี่ยวข้องกับการวิจัยนี้อย่างไร?
ในกระบวนการวิเคราะห์ภาพถ่ายดาราศาสตร์ หนึ่งในคำถามที่ยากที่สุดคือ "ตกลงแล้วมีดาวเคราะห์โคจรรอบดาวฤกษ์ดวงนี้กี่ดวงกันแน่?"
หากเราปล่อยให้อัลกอริทึมพยายามจับคู่สัญญาณอย่างไร้ขีดจำกัด คอมพิวเตอร์ย่อมอยากจะทายว่า "มีดาวเคราะห์ 5 ดวง, 10 ดวง" เพื่อให้มันลากเส้นตรงหรือพล็อตจุดเข้ากับข้อมูลที่มีสัญญาณรบกวนได้แนบเนียนที่สุด ซึ่งในทางสถิติเรียกว่าอาการ Overfitting (การปรับโมเดลซับซ้อนเกินไปจนไปจำแนกสัญญาณรบกวนว่าเป็นของจริง)
ตรงจุดนี้เองที่ Bayesian Information Criterion (BIC) เข้ามาทำหน้าเป็นเกณฑ์การคัดเลือกโมเดลทางสถิติ (Model Selection) คล้ายกับ "กรรมการกลาง" ในงานวิจัยนี้
7.1) หลักการทำงานของ BIC
BIC จะประเมินและให้คะแนน "โมเดลสมมติ" ต่างๆ (เช่น โมเดลสมมติว่ามีดาวเคราะห์ 1 ดวง vs. โมเดลสมมติว่ามีดาวเคราะห์ 2 ดวง) โดยชั่งน้ำหนักระหว่าง 2 ปัจจัยหลัก
・ความฟิตของข้อมูล (Goodness of Fit): โมเดลนั้นอธิบายข้อมูลแสงโฟตอนที่ตรวจวัดได้ดีแค่ไหน?
・บทลงโทษความซับซ้อน (Complexity Penalty): โมเดลนั้นพยายาม "ยัดเยียด" ดาวเคราะห์หรือตัวแปรมากเกินไปหรือไม่? ยิ่งโมเดลมีจำนวนพารามิเตอร์หรือวัตถุเยอะขึ้น BIC จะหักคะแนนความน่าเชื่อถือลง เพื่อบังคับให้ระบบเลือกโมเดลที่ "เรียบง่ายที่สุดเท่าที่จะอธิบายความจริงได้ (Principle of Parsimony)"
7.2) ความเกี่ยวข้องกับการล่า Earth 2.0
ในการทดสอบของทีมนักวิจัยฮันยัง ระบบต้องเผชิญหน้ากับสัญญาณโฟตอนที่พร่ามัวและเต็มไปด้วยรบกวน การนำ BIC เข้ามาใช้ ทำให้อัลกอริทึมสามารถ "ตัดสินใจเลือกจำนวนดาวเคราะห์ในระบบดาวได้อย่างอัตโนมัติ" โดยที่มนุษย์ไม่ต้องป้อนจำนวนดาวตั้งต้นเข้าไปเดา ระบบจะรู้เองว่าสัญญาณที่ปรากฏอยู่นั้นคือดาวเคราะห์จริงๆ 2 ดวงตามที่มีการจำลองไว้ ไม่ใช่การมโนตัวเลขขึ้นมาเองจากสัญญาณรบกวน ช่วยให้ความแม่นยำในการระบุโครงสร้างระบบดาวพุ่งสูงขึ้นอย่างไร้ที่ติ
8. Fourier Transform ฝันร้ายของเด็กวิศวะเครื่องกล
"Fourier Transform" แยกรูปแบบคลื่นแบบ Frequency Domain
พอได้เขียนถึงคำว่า "Fourier Transform" ผมก็ขนลุกซู่ขึ้นมาทันที คำนี้ผมไม่ได้เห็นมาตั้งแต่สมัยเรียนวิศวกรรมเครื่องกลเมื่อ20ปีก่อนโน่นเลยครับ ตอนเรียนผมและเพื่อนๆต่างก็เกาหัวกันแกร่กๆ เรียนไปงงไปว่าจะเรียนอะไรพวกนี้ไปทำไมว๊าา ตัวอินทิเกรตอะไรเยอะแยะยาวเหยียด ไม่เห็นจะรู้เรื่อง ชีวิตฉันจะได้เอาอะไรแบบนี้ไปใช้งานจริงๆน่ะเหรอ ?
แต่พอเข้ามาทำงานถึงได้รู้ว่า Fourier Transform นี่ถูกนำไปใช้กันหลากหลายวงการวิศวกรรมมากๆเลย
โดยเฉพาะเวลาที่ต้องลงพื้นที่หน้างานแล้วเอาเซนเซอร์ไปแปะเพื่อเช็กสุขภาพเครื่องจักรกลหนักๆ ทฤษฎีที่เคยมองว่าปวดหัวกลับกลายเป็น "พระเอกขี่ม้าขาว" ไปซะอย่างนั้น เพราะถ้าหากเราดูแค่ข้อมูลดิบแบบ Time Domain ที่เครื่องจักรสั่นสะเทือนออกมารวมๆ กัน มันก็คือเส้นกราฟยุ่งเหยิงที่ดูไม่ออกเลยว่าอะไรเป็นอะไร
แต่พอเอาสมการ FFT (Fast Fourier Transform) มาเป็น "วุ้นแปลภาษา" คลี่ความยุ่งเหยิงนั้นออกเป็น Frequency Domain มันเหมือนเรามองทะลุเข้าไปในเครื่องจักรได้เลย ยกตัวอย่างเช่น
ความถี่ 1X พุ่งปรี๊ด: ฟ้องทันทีว่าชุดหมุนกำลังเกิดอาการ Unbalance
ความถี่ 2X หรือ 3X โผล่มา: จับโป๊ะได้เลยว่าเกิด Misalignment แน่ๆ
ความถี่สูงๆ โผล่มาเป็นหย่อมๆ: สัญญาณเตือนภัยว่าลูกปืน (Bearing) เริ่มเป็นรอยและใกล้จะกลับดาวแล้ว
พอผ่านมา20 ปี มองย้อนกลับไปถึงได้เห็นภาพชัดเจนเลยว่า วิชาปราบเซียนพวกนี้แหละคือรากฐานของเทคโนโลยีล้ำๆ รอบตัว
ตั้งแต่ระบบหูฟังตัดเสียงรบกวน กล้องถ่ายภาพดาวเคราะห์เชิงควอนตัม ไปจนถึงเครื่องมือวิเคราะห์ความสั่นสะเทือนที่ใช้งานกันอยู่ในโรงงานทุกวันนี้
แล้วเจ้า Fourier Transform ถูกนำไปใช้ในวงการและเทคโนโลยีอะไรบ้างล่ะ ?
1) วิศวกรรมเครื่องกลและยานยนต์ (Vibration & Machine Diagnostics)
・Vibration Analysis (NVH) : เวลาส่องดูสัญญาณการสั่นสะเทือนจากตัวเซนเซอร์ Accelerometer ใน Time Domain เราจะเห็นแค่คลื่นขยุกขยิกที่ดูไม่รู้เรื่อง แต่พอผ่าน FFT ออกมาเป็น Frequency Domain เราจะเห็นพีกความถี่ชัดเจน
・Fault Diagnosis : เช่น ถ้าเห็นพีกโผล่ที่ความถี่ตรงกับ Outer Race Ball Pass Frequency (BPFO) วิศวกรจะรู้ทันทีว่า "ตลับลูกปืน (Bearing) รากนอกกำลังร้าว โดยไม่ต้องเสียเวลาถอดเครื่องจักรออกมาดู
2) ระบบเสียงและดนตรี (Audio Processing)
การบีบอัดไฟล์ MP3: แปลงคลื่นเสียงเป็น Frequency Domain แล้วลบความถี่ที่หูมนุษย์ไม่ได้ยินทิ้งไป ทำให้ไฟล์ขนาดเล็กลง 10 เท่า
・Noise Cancellation (ANC) : ตรวจจับความถี่เสียงรบกวนภายนอก แล้วสร้างคลื่นความถี่ตรงข้ามที่มีเฟสตรงข้าม 180° มาหักล้าง
・Graphic Equalizer / Auto-Tune : การแยกปรับเสียง Bass, Mid, Treble
3) โทรคมนาคม (Telecom)
5G / Wi-Fi (OFDM): ใช้การมอดูเลตคลื่นแบบคูณความถี่หลายๆ คลื่นพร้อมกันไปในอากาศ แล้วใช้ชิป FFT ฝั่งรับแยกสัญญาณแต่ละช่องความถี่ออกจากกันทันที
4) ภาพและวิดีโอ (Image Processing)
การบีบอัดไฟล์ JPEG / MP4: ใช้ Discrete Cosine Transform (DCT ซึ่งเป็นร่างแปลงหนึ่งของ Fourier) ในการแปลงภาพจาก 2D Spatial Domain ไปเป็น Frequency Domain เพื่อตัดความถี่ของรายละเอียดภาพที่ตาคนแยกแยะไม่ได้ออกไป
5) การแพทย์ (Medical Imaging)
เครื่อง MRI: เครื่องสแกนไม่ได้ถ่ายภาพอวัยวะออกมาตรงๆ แต่เก็บสัญญาณคลื่นวิทยุที่ตอบสนองจากสนามแม่เหล็กในรูปแบบพื้นที่ความถี่ (k-space) จากนั้นคอมพิวเตอร์จะใช้ 2D FFT แปลงข้อมูลกลับมาเป็นภาพสมองหรืออวัยวะให้แพทย์ตรวจสอบ
โฆษณา
- ดาวน์โหลดแอปพลิเคชัน
- © 2026 Blockdit
