How we use astrophysics to study earthbound problems | Federica Bianco

Translator: Thaw Tint Te Tun Reviewer: sann tint

I am an astrophysicist.

ကျွန်မက ရူပနက္ခတ္တပညာရှင်တစ်ယောက်ပါ။

I research stellar explosions across the universe.

စကြာဝဠာထဲက ကြယ်ပေါက်ကွဲမှုတွေကို ကျွန်မလေ့လာပါတယ်။

But I have a flaw:

ဒါပေမဲ့ ချို့ယွင်းချက်တစ်ခု ရှိတယ်၊

I'm restless, and I get bored easily.

ဂနာမငြိမ်တာနဲ့ ပျင်းရိလွယ်တတ်တာပါ။

And although as an astrophysicist, I have the incredible opportunity

ရူပနက္ခတ္တပညာရှင် အနေနဲ့ စကြာဝဠာတစ်ခုလုံးကို လေ့လာဖို့

to study the entire universe,

အခွင့်အရေးရှိနေပေမည့်လည်း

the thought of doing only that, always that,

ဒါကိုပဲ အမြဲလုပ်နေရမယ်ဆိုတဲ့ အတွေးက

makes me feel caged and limited.

ကျွန်မကို အမြဲကန့်သတ်၊ ချုပ်နှောင်ထားသလို ခံစားရစေတယ်။

What if my issues with keeping attention and getting bored

ကျွန်မရဲ့ အာရုံမစိုက်မနိုင်တာနဲ့ ပျင်းတတ်တာက

were not a flaw, though?

ချို့ယွင်းချက်မဟုတ်ရင်၊

What if I could turn them into an asset?

ဒါတွေကို အရည်အချင်းတစ်ခုအဖြစ် ပြောင်းနိုင်မယ်ဆိုရင်ရော။

An astrophysicist cannot touch or interact with

ရူပနက္ခတ္တပညာရှင်တစ်ယောက်က သူလေ့လာတဲ့ အရာတွေနဲ့

the things that she studies.

ထိတွေ့ဆက်ဆံမှု မလုပ်နိုင်ပါဘူး။

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

ကြယ်တွေဘာကြောင့်၊ဘယ်လိုပေါက်ကွဲလဲသိဖို့ အခန်းထဲ ကြယ်တစ်လုံးကို မဖောက်ကြည့်နိုင်ဘူး။

Just pictures and movies of the sky.

ကောင်းကင်ဓာတ်ပုံ၊ ဗီဒီယိုတွေနေပဲ လေ့လာနိုင်ပါတယ်။

Everything we know about the universe,

စကြာဝဠာအကြောင်း ကျွန်မတို့သိသမျှ၊

from the big bang that originated space and time,

အချိန်နဲ့ဟင်းလင်းပြင် စဖြစ်စေခဲ့တဲ့ မဟာပေါက်ကွဲမှုကနေ

to the formation and evolution of stars and galaxies,

ကြယ်တွေ၊ကြယ်စုတွေနဲ့ နေအဖွဲ့အစည်းရဲ့ ဖြစ်တည်လာပုံနဲ့

to the structure of our own solar system,

ပြောင်းလဲလာပုံတွေအထိကို

we figured out studying images of the sky.

ကောင်းကင်ယံက ပုံရိပ်တွေကို လေ့လာပြီးပဲ သိခဲ့ရတယ်။

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

စကြာဝဠာတစ်ခုလုံးလို ရှုပ်ထွေးတဲ့စနစ်တစ်ခုကို လေ့လာဖို့

astrophysicists are experts at extracting simple models and solutions

ရူပနက္ခတ္တပညာရှင်တွေဟာ ကြီးမားရှုပ်ထွေးတဲ့ ဒေတာစုတွေကနေ

from large and complex data sets.

ရိုးရှင်းတဲ့ ပုံစံငယ်တွေ၊ အဖြေတွေ ထုတ်တတ်ရပါတယ်။

So what else can I do with this expertise?

ဒါဆို ဒီကျွမ်းကျင်မှုနဲ့ ဘာတွေထပ်လုပ်နိုင်ဦးမလဲ။

What if we turned the camera around towards us?

ကင်မရာတွေကို ကျွန်မတို့ဖက်ဆီ လှည့်လိုက်မယ်ဆိုရင် ဘာဖြစ်လာမလဲ။

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

မြို့ပြလေ့လာရေးစခန်းမှာ ခုပြောသလို လုပ်နေကြပါတယ်။

Greg Dobler, also an astrophysicist

ကျွန်မ ယောင်္ကျားလည်းဖြစ်၊ ရူပနက္ခတ္တပညာရှင်လည်းဖြစ်တဲ့

and my husband,

Greg Dobler ဟာ

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

၂၀၁၃ မှာ ပထမဆုံး မြို့ပြလေ့လာရေးစခန်းကို နယူးယောက်တက္ကသိုလ်မှာ တည်ထောင်ခဲ့ပါတယ်။

and I joined in 2015.

၂၀၁၅မှာ သူနဲ့ ကျွန်မလက်တွဲခဲ့ပါတယ်။

Here are some of the things that we do.

ကျွန်မတို့ လုပ်ခဲ့တာ အချို့ကတော့

We take pictures of the city at night

မြို့ရဲ့ ညပိုင်းဓာတ်ပုံတွေကို ရိုက်ယူပြီး

and study city lights like stars.

မြို့ပြအလင်းရောင်တွေကို ကြယ်တွေလေ့လာသလို လေ့လာတာပါ။

By studying how light changes over time

အလင်းရောင်တွေ အချိန်နဲ့အမျှပြောင်းလဲပုံနဲ့

and the color of astronomical lights,

ကြယ်တာရာတွေရဲ့ အလင်းကို လေ့လာပြီးတော့

I gain insight about the nature of exploding stars.

ပေါက်ကွဲနေတဲ့ကြယ်တွေရဲ့ သဘာဝကို ကျွန်မတို့လေ့လာရပါတယ်။

By studying city lights the same way,

မြို့ပြအလင်းတွေကိုလည်း ထိုနည်းတူ လေ့လာပြီးတော့

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

မြို့ဟာ စွမ်းအင်ဘယ်လောက်လိုသလဲ၊ သုံးသလဲ မှန်းဆနိုင်၊တိုင်းတာနိုင်တယ်။

and help build a resilient grid

နောက် ကြီးထွားလာမယ့် မြို့ပြရဲ့

that will support the needs of growing urban environments.

လိုအပ်ချက်တွေကို ဖြည့်ပေးနိုင်မယ့် ဓာတ်အားစနစ် လုပ်ဖို့ကူပေးနိုင်တယ်။

In daytime images, we capture plumes of pollution.

နေ့ပိုင်းဓာတ်ပုံတွေမှာတော့ ညစ်ညမ်းဓာတ်ငွေ့တွေကို မှတ်တမ်းတင်ပါတယ်။

Seventy-five percent of greenhouse gases in New York City

နယူးယောက်မြို့က ဖန်လုံအိမ်ဓာတ်ငွေ့တွေရဲ့ ၇၅%ဟာ

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

အပူပေးဖို့ ဆီကို လောင်ကျွမ်းစေတဲ့ ဒီလိုအဆောက်အအုံမျိူးက ထွက်ပါတယ်။

You can measure pollution with air quality sensors.

လေအရည်သွေးတိုင်းစက်နဲ့ ညစ်ညမ်းမှုကို တိုင်းတာနိုင်ပါတယ်။

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

ဒါပေမဲ့ နယူးယောက်ကအဆောက်အအုံတိုင်းမှာ အရည်သွေးတိုင်းစက်တွေ တပ်ထားပြီး

reading in data from a million monitors.

သန်းချီတဲ့စောင့်ကြည့်စက်တွေက ဒေတာဖတ်ရမှာကို တွေးကြည့်ပါ။

Imagine the cost.

ကုန်ကျစရိတ် မှန်းကြည့်ပါ။

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

နယူးယောက်ကောင်းကင်က ဓာတ်ငွေ့တွေကို ခြေရာခံရှာဖွေနိုင်တဲ့ သင်္ချာပုံစံငယ်

a neural network that can detect and track these plumes

နျူရယ်ကွန်ရက်တစ်ခုကို နယူးယောက်တက္ကသိုလ်ကျောင်းသားတစ်စုနဲ့

over the New York City skyline.

ကျွန်မတို့ တည်ဆောက်ခဲ့တယ်။

We can classify them --

ဖြူပြီးပျောက်လွယ်တဲ့ ဘေးမဖြစ်တဲ့ မီးခိုးငွေ့လား၊

harmless steam plumes, white and evanescent;

မည်းပြီး မပျောက်လွယ်တဲ့ ညစ်ညမ်းဓာတ်ငွေ့လားဆိုတာ

polluting smokestacks, dark and persistent --

ကျွန်မတို့ ခွဲခြားနိုင်ပြီးတော့

and provide policy makers with a map of neighborhood pollution.

ဝန်းကျင်ဒေသတစ်ခုရဲ့ ညစ်ညမ်းမှုမြေပုံကို မူရေးဆွဲသူတွေဆီ ထောက်ပံ့ပေးနိုင်ပါတယ်။

This cross-disciplinary project created transformational solutions.

မြေလှန်ပြောင်းလဲနိုင်တဲ့ အဖြေတွေကို ဒီနယ်ပယ်စုံရောတဲ့ ပရောဂျက်ကထွက်စေခဲ့တယ်။

But the data analysis methodologies we use in astrophysics

ဒါပေမဲ့ ရူပနက္ခတဗေဒမှာ သုံးတဲ့ ဒေတာဆန်းစစ်တဲ့နည်းနာတွေက

can be applied to all sorts of data,

ဘယ်လိုဒေတာမျိုးမဆိုမှာ သုံးနိုင်ပါတယ်၊

not just images.

ဓာတ်ပုံတွေမှ မဟုတ်ပါဘူး။

We were asked to help a California district attorney

ကယ်လီဖိုးနီးယားပြည်နယ်ရှေ့နေတွေက သူတို့စီရင်စုမှာ ဖြစ်နေတဲ့

understand prosecutorial delays in their jurisdiction.

စီရင်နှောင့်နှေးမှုတွေကို နားလည်ဖို့ ကျွန်မတို့ အကူညီတောင်းခံရပါတယ်။

There are people on probation or sitting in jail,

ခံဝန်နဲ့ ဒါမှမဟုတ် ထောင်ထဲမှာ တရားစီရင်ခံဖို့ နှစ်ချီစောင့်နေတဲ့

awaiting for trial sometimes for years.

လူတွေရှိပါတယ်။

They wanted to know what kind of cases dragged on,

ဘယ်လိုအမှုတွေက အချိန်ဆွဲတတ်လဲဆိုတာ သူတို့ သိချင်တယ်၊

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

နောက် ဒါကိုလေ့လာဖို့ သူတို့မှာ ဒေတာစုအကြီးကြီးရှိတယ်၊

but didn't have the expertise

ဒါပေမဲ့ ကျွမ်းကျင်မှုနဲ့

or the instruments in their office to do so.

ကိရိယာတွေ သူတို့ဆီမှာ မရှိပါဘူး။

And that's where we came in.

အဲ့နေရာကို ကျွန်မတို့ဝင်ဖြည့်ပါတယ်။

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

ကျွန်မလုပ်ကိုင်ဖက် ပြည်သူ့ မူဝါဒ ပါမောက္ခ Angela Hawkenနဲ့ အတူတွဲပြီး

and our team first created a visual dashboard

တရားစီရင်မှုဖြစ်စဥ်တွေကို ပိုမြင်လွယ်၊နားလည်လွယ်စေမယ့်

for DAs to see and better understand the prosecution process.

ရုပ်ပြတွေကို ကျွန်မတို့အဖွဲ့က ရှေ့နေတွေအတွက် လုပ်ပေးခဲ့ပါတယ်။

But also, we ourselves analyzed their data,

ဒါပေမဲ့ ကျွန်မတို့ကိုယ်တိုင်လည်း ဒေတာတွေကို ကြည့်ပြီး

looking to see if the duration of the process

စီရင်မှုနှောင့်နှေးတာတွေက သူတို့စီရင်စုတွေက

suffered from social inequalities in their jurisdiction.

လူမှုမညီမျှမှုတွေကြောင့်လားဆိုတာ လေ့လာခဲ့ကြပါတယ်။

We did so using methods

ကြယ်ပေါက်ကွဲမှုထောင်ချီ လေ့လာတဲ့နည်းတွေကို

that I would use to classify thousands of stellar explosions,

အမှုထောင်ချီမှာ သုံးပြီးတော့ပဲ

applied to thousands of court cases.

ကျွန်မတို့ အဲ့လိုလေ့လာခဲ့ကြတာပါ။

And in doing so,

ဒီလိုလုပ်ခြင်းအားဖြင့်

we built a model that can be applied to other jurisdictions

တခြားစီရင်စုတွေက သူတို့ရဲ့ ဘက်လိုက်မှုတွေကို လေ့လာချင်ရင်

who are willing to explore their biases.

သုံးဖို့ ပုံစံငယ်ကို ကျွန်မတို့ လုပ်ပြီးသားဖြစ်သွားပါတယ်။

These collaborations between domain experts and astrophysicists

နယ်ပယ်အသီးသီးက ပညာရှင်တွေနဲ့ ရူပနက္ခတပညာရှင်တွေ ပူးပေါင်းမှုဟာ

created transformational solutions

လူနေမှုအဆင့်အတန်းမြင့်ဖို့ အထောက်အပံ့ဖြစ်တဲ့

to help improve people's quality of life.

မြေလှန်ပြောင်းလဲနိုင်တဲ့ အဖြေတွေ ဖန်တီးခဲ့ပါတယ်။

But it is a two-way road.

ဒါပေမဲ့ ဒါက အသွားအပြန်ရှိပါတယ်။

I bring my astrophysics background to urban science,

ရူပနက္ခတ္တပညာကို မြို့ပြပညာရပ်ဆီ ကျွန်မယူသွားသလို၊

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

မြို့ပြပညာရပ်မှာ ကျွန်မသိခဲ့ရတာကို ရူပနက္ခတ္တပညာဆီ ပြန်ယူသွားနိုင်ပါတယ်။

Light echoes:

အလင်းပဲ့တင်ထပ်ခြင်း၊

the reflections of stellar explosions onto interstellar dust.

အာကာသဖုန်မှုန့်တွေပေါ် ကြယ်ပေါက်ကွဲမှုက အလင်းပြန်မှု။

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

ကျွန်မတို့ရဲ့ပုံတွေမှာ အလင်းပြန်မှုတွေဟာ မီးခိုးငွေ့လိုပဲ ဖြူပြီးပျောက်လွယ်တဲ့

လှုပ်နေတဲ့အရာတွေအဖြစ် ပေါ်ပါတယ်။

just like plumes.

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

ကောင်းကင်ဓာတ်ပုံတွေမှာ အလင်းပဲ့တင်ထပ်တာကို ထောက်လှမ်းဖို့

to detect light echoes in images of the sky.

မြို့ပြဓာတ်ပုံတွေမှာ မီးခိုးခြေရာခံတဲ့ ပုံစံငယ်ကိုပဲ ကျွန်မပြုပြင်နေပါတယ်။

By exploring the things that interest and excite me,

ကိုယ့်ပညာရပ်ရဲ့ အပြင်ထွက်ပြီးတော့ ကျွန်မကိုစိတ်ဝင်စားစေတဲ့ အရာတွေကို

reaching outside of my domain,

လေ့လာရတာက

I did turn my restlessness into an asset.

ကျွန်မရဲ့ ဂနာမငြိမ်မှုကို အရည်အချင်းတစ်ခုဖြစ်စေခဲ့ပါတယ်။

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

ကျွန်မတို့၊ရှင်တို့ အားလုံးမှာ မထင်မှတ်တဲ့ မြေလှန်ပစ်နိုင်တဲ့အဖြေသစ်တွေဆီ ဦးတည်စေတဲ့

and lead to new, unexpected, transformational solutions.

တမူထူးခြားတဲ့ ရှုထောင့်အမြင်တွေ ရှိပါတယ်။

Thank you.

ကျေးဇူးတင်ပါတယ်။

(Applause)

(လက်ခုပ်သံများ)