How we use astrophysics to study earthbound problems | Federica Bianco

Translator: Masoud Motamedifar Reviewer: sadegh zabihi

I am an astrophysicist.

من متخصص فیزیک نجومی هستم.

I research stellar explosions across the universe.

من انفجارهای ستاره‌ای را در سرتاسر کهکشان مطالعه می‌کنم.

But I have a flaw:

اما یک عیب دارم:

I'm restless, and I get bored easily.

من بی‌قرار هستم و به راحتی بی‌حوصله می‌شوم.

And although as an astrophysicist, I have the incredible opportunity

و اگرچه به عنوان یک فیزیکدان نجومی این موقعیت خارق‌العاده را دارم

to study the entire universe,

تا کل کهکشان را مطالعه کنم،

the thought of doing only that, always that,

فکر انجام دادن آن، همیشه انجام دادن آن،

makes me feel caged and limited.

من را محصور و محدود می‌کند.

What if my issues with keeping attention and getting bored

اما اگر مشکلات من با توجه کردن و کسل شدن

were not a flaw, though?

عیب نباشند چطور؟

What if I could turn them into an asset?

چه می‌شد اگر می‌توانستم آنها را تبدیل به یک دارایی کنم؟

An astrophysicist cannot touch or interact with

یک فیزیکدان نجومی نمی‌تواند چیزهایی که مطالعه می‌کند را

the things that she studies.

لمس کند یا با آنها تعامل داشته باشد.

No way to explode a star in a lab to figure out why or how it blew up.

هیچ راهی نیست که یک ستاره را در آزمایشگاه منفجر کنید تا بفهمید چرا و چگونه منفجر شد.

Just pictures and movies of the sky.

تنها عکس و فیلم‌هایی از آسمان.

Everything we know about the universe,

تمام چیزی که ما از کهکشان می‌دانیم،

from the big bang that originated space and time,

از نظریه‌ی انفجار بزرگ که فضا و زمان را شکل داد،

to the formation and evolution of stars and galaxies,

تا شکل‌گیری و تکامل ستاره‌ها و کهکشان‌ها،

to the structure of our own solar system,

تا ساختار منظومه‌ی خورشیدی خودمان را،

we figured out studying images of the sky.

ما با مطالعه‌ی تصاویر آسمان متوجه شدیم.

And to study a system as complex as the entire universe,

و برای مطالعه‌ی سیستمی به پیچیدگی کل جهان،

astrophysicists are experts at extracting simple models and solutions

فیزیکدانان نجومی در استخراج مدل‌ها و راه‌حل‌های ساده

from large and complex data sets.

از مجموعه داده‌های بزرگ و پیچیده مهارت دارند.

So what else can I do with this expertise?

پس من چه کار دیگری می‌توانم با این مهارت انجام دهم؟

What if we turned the camera around towards us?

اگر ما دوربین را به سمت خودمان بگیریم چه می‌شود؟

At the Urban Observatory, that is exactly what we are doing.

در رصدخانه‌ی شهری، این دقیقا کاری است که ما انجام می‌دهیم.

Greg Dobler, also an astrophysicist

گرگ دابلر، که او هم یک فیزیکدان نجومی

and my husband,

و همسر من است،

created the first urban observatory in New York University in 2013,

اولین رصدخانه‌ی شهری را در دانشگاه نیویورک در سال ۲۰۱۳ ایجاد کرد،

and I joined in 2015.

و من سال ۲۰۱۵ ملحق شدم.

Here are some of the things that we do.

این بخشی از کارهایی است که انجام می‌دهیم.

We take pictures of the city at night

ما در شب از شهر عکس می‌گیریم

and study city lights like stars.

و چراغ‌های شهر را مثل ستاره‌ها مطالعه می‌کنیم.

By studying how light changes over time

با مطالعه‌ی چگونگی تغییر نور در طول زمان

and the color of astronomical lights,

و رنگ نورهای ستاره‌ای،

I gain insight about the nature of exploding stars.

من درباره‌ی ماهیت انفجار ستاره‌ها بینشی به دست می‌آورم.

By studying city lights the same way,

با مطالعه‌ی چراغ‌های شهر به همان روش،

we can measure and predict how much energy the city needs and consumes

ما می‌توانیم اندازه بگیریم شهر چه مقدار انرژی نیاز دارد و چه مقدار مصرف می‌کند

and help build a resilient grid

و به ساخت شبکه‌ای ارتجاعی کمک کنیم

that will support the needs of growing urban environments.

که از نیازها یا رشد محیط شهری پشتیبانی می‌کند.

در تصاویر روز، دودهای آلودگی را ثبت می‌کنیم.

In daytime images, we capture plumes of pollution.

Seventy-five percent of greenhouse gases in New York City

هفتاد و پنج درصد گازهای گلخانه‌ای در نیویورک

come from a building like this one, burning oil for heat.

از ساختمانی مثل این می‌آید، که برای گرما نفت می‌سوزاند.

You can measure pollution with air quality sensors.

می‌توانید آلودگی را با سنسور کیفیت هوا اندازه بگیرید

But imagine putting a sensor on each New York City building,

اما تصور کنید روی هر ساختمانی در نیویورک یک سنسور قرار دهیم،

reading in data from a million monitors.

و داده‌ها از یک میلیون مانیتور بخوانیم.

Imagine the cost.

هزینه را تصور کنید.

With a team of NYU students, we built a mathematical model,

با تیمی از دانشجویان دانشگاه نیویورک، ما یک مدل ریاضی ساختیم،

a neural network that can detect and track these plumes

یک شبکه‌ی عصبی که می‌تواند این دودها را روی خط هوایی

over the New York City skyline.

شهر نیویورک شناسایی و ردیابی کند.

We can classify them --

می‌توانیم آنها را طبقه‌بندی کنیم --

harmless steam plumes, white and evanescent;

دودهای بی‌خطر، سفید و فرار؛

polluting smokestacks, dark and persistent --

دود آلوده‌ی دودکش‌ها، تاریک و ماندگار --

and provide policy makers with a map of neighborhood pollution.

و برای سیاست‌گذاران نقشه‌ای از آلودگی محله فراهم کنیم.

This cross-disciplinary project created transformational solutions.

این پروژه‌ی میان‌رشته‌ای راه‌حل‌های تحول‌گرایی ایجاد کرد.

But the data analysis methodologies we use in astrophysics

اما روش‌های تحلیل داده‌ای که ما در فیزیک نجومی استفاده می‌کنیم

can be applied to all sorts of data,

می‌توانند روی انواع داده‌ به کار برده شوند

not just images.

نه فقط روی تصاویر.

We were asked to help a California district attorney

از ما خواسته شد تا به یک وکیل کالیفرنیایی کمک کنیم

understand prosecutorial delays in their jurisdiction.

تاخیرهای دادرسی در قضاوت‌هایشان را درک کنند.

There are people on probation or sitting in jail,

افرادی با عفو مشروط وجود دارند یا در زندان هستند،

awaiting for trial sometimes for years.

که سالهاست منتظر محاکمه هستند.

They wanted to know what kind of cases dragged on,

آنها می‌خواستند بدانند چه مواردی ادامه پیدا می‌کنند،

and they had a massive data set to explore to understand it,

و آنها مجموعه داده‌ی عظیمی برای بررسی داشتند تا آن را درک کنند،

but didn't have the expertise

اما مهارت نداشتند

or the instruments in their office to do so.

یا ابزاری در دفترشان برای انجام دادن آن.

And that's where we came in.

و این جایی است که ما وارد شدیم.

I worked with my colleague, public policy professor Angela Hawken,

من با همکارم آنجلا هاوکن، استاد سیاست عمومی کار کردم،

and our team first created a visual dashboard

و تیم ما در ابتدا داشبوردی بصری ایجاد کرد

for DAs to see and better understand the prosecution process.

برای دادستان‌ها تا فرایند دادرسی را بهتر ببینند و درک کنند.

But also, we ourselves analyzed their data,

اما همچنین ما خودمان داده‌های آنها را بررسی کردیم،

looking to see if the duration of the process

تا ببینیم آیا مدت زمان فرایند

suffered from social inequalities in their jurisdiction.

در دادرسی آنها از نابرابری اجتماعی رنج برده است یا خیر.

We did so using methods

با روش‌هایی این را انجام دادیم

that I would use to classify thousands of stellar explosions,

که من برای طبقه‌بندی هزاران انفجار ستاره‌ای استفاده می‌کنم،

applied to thousands of court cases.

و برای هزاران پرونده‌ی دادگاهی به کار می‌رود.

And in doing so,

و در این کار،

we built a model that can be applied to other jurisdictions

مدلی ساختیم که می‌تواند برای دیگر حوزه‌های قضایی

who are willing to explore their biases.

که مایلند تعصباتشان را بررسی کنند به کار برود.

These collaborations between domain experts and astrophysicists

این همکاری‌ها بین کارشناسان آن حوزه و فیزیکدانان نجومی

created transformational solutions

راه‌حل‌های تحول‌گرایی

to help improve people's quality of life.

برای کمک به بهبود کیفیت زندگی مردم ایجاد کرد.

But it is a two-way road.

اما این جاده‌ای دو طرفه است.

I bring my astrophysics background to urban science,

من سابقه‌ی فیزیک نجومی‌ام را وارد علم شهری می‌کنم،

and I bring what I learn in urban science back to astrophysics.

و چیزی که از علم شهری یاد می‌گیرم به فیزیک نجومی برمی‌گردانم.

Light echoes:

انعکاس‌های نور:

the reflections of stellar explosions onto interstellar dust.

بازتاب انفجارهای ستاره‌ای به سمت غبار بین‌ستاره‌ای

In our images, these reflections appear as white, evanescent, moving features,

در تصاویر ما، این انعکاس‌ها با ویژگی‌هایی چون سفید، فرار، در حال حرکت ظاهر می‌شوند،

just like plumes.

درست مثل دود.

I am adapting the same models that detect plumes in city images

من همان مدل‌هایی که دود را در تصاویر شهر تشخیص می‌دهد تطبیق می‌دهم

to detect light echoes in images of the sky.

تا پژواک نور را در تصاویر آسمان تشخیص دهم.

By exploring the things that interest and excite me,

با بررسی کردن چیزهایی که من را سرگرم و هیجان‌زده می‌کند،

reaching outside of my domain,

برای رسیدن به بیرون قلمرو خودم،

I did turn my restlessness into an asset.

من بی‌قراری‌ام را تبدیل به یک دارایی کردم.

We, you, all have a unique perspective that can generate new insight

ما، شما، همه چشم‌انداز خاصی داریم که می‌تواند بینش جدیدی ایجاد کند

and lead to new, unexpected, transformational solutions.

و به راه‌حل‌های جدید، غیرمنتظره و تخول‌گرایی منتهی شود.

Thank you.

متشکرم.

(Applause)

(تشویق)