人工智能幫助天文學(xué)家探索宇宙，分析暗物質(zhì)暗能量

人們在我們周圍的宇宙中看到的一切恒星，行星，星系等等，總計不到宇宙的總質(zhì)量和的5％。 暗物質(zhì)和暗能量的本質(zhì)構(gòu)成了所有存在的一切，但是這些物質(zhì)至今仍然是一個謎。

雖然暗物質(zhì)將星系和星系團聚在一起，宇宙膨脹的速度不斷增加，是暗能量為其提供了動力。 盡管天文學(xué)家可以看到這些現(xiàn)象，但無法直接觀察到暗物質(zhì)或暗能量，因此很難研究宇宙的這種物質(zhì)構(gòu)成。

天文學(xué)家看到暗物質(zhì)影響的一種方法是研究大型物體通過的光的彎曲

“我們可以使用間接的方式來研究事物，例如看著陰影，并對造成陰影的原因進行有根據(jù)的猜測。 科學(xué)家間接研究暗物質(zhì)的一種方法是使用重力透鏡。 當(dāng)來自遙遠恒星的光穿過星系或星團時，存在于星系或星團中的物質(zhì)的引力會導(dǎo)致光彎曲。

用人工智能探索宇宙天空

蘇黎世聯(lián)邦理工學(xué)院的物理學(xué)家和計算機科學(xué)工程師，現(xiàn)在正在利用人工智能來完善暗物質(zhì)圖。 通過使用類似于面部識別軟件的人工智能，研究人員希望能夠詳細了解暗物質(zhì)的聚集位置，來更好地理解這種現(xiàn)象。

因為看不到暗物質(zhì)，所以天文學(xué)家尋找來自遙遠物體（例如星系）的光，這些光在經(jīng)過暗物質(zhì)沉積時會彎曲。 這種光的彎曲稱為弱引力透鏡，會使背景物體的圖像失真。

可以測量該失真，從而生成前景區(qū)域的重力圖，從而揭示暗物質(zhì)的存在。 將這些暗物質(zhì)圖譜與理論預(yù)測值進行比較，以確定哪種宇宙學(xué)模型最適合觀測。

較低質(zhì)量的星系團，例如子彈團（如子圖所示），弱的引力透鏡會使背景中物體的圖像變形。

該分析中使用的機器學(xué)習(xí)算法類似于其他社交媒體應(yīng)用程序使用的面部識別技術(shù)。

面部識別使用其算法來查找圖像中的眼睛，嘴巴或耳朵； 我們用我們的粒子來尋找暗物質(zhì)和暗能量的跡象。

傳統(tǒng)上使用人為設(shè)計的統(tǒng)計數(shù)據(jù)（例如相關(guān)函數(shù)）來分析，但是此種分析方法在識別星系引力圖中的復(fù)雜模式的能力方面受到限制。

“在我們最近的工作中，我們使用了一種全新的方法?？茖W(xué)家解釋說，我們不需要自己發(fā)明統(tǒng)計數(shù)據(jù)分析，而是讓計算機來完成這項工作。

您的實驗室結(jié)果在……

為研究做好準備，神經(jīng)網(wǎng)絡(luò)中裝有模擬宇宙的數(shù)據(jù)。 這些暗物質(zhì)圖由神經(jīng)網(wǎng)絡(luò)反復(fù)分析，該神經(jīng)網(wǎng)絡(luò)從數(shù)據(jù)中提取了盡可能多的信息。 隨著時間的流逝，人工智能提高了識別和區(qū)分一項功能的能力。

神經(jīng)網(wǎng)絡(luò)最終產(chǎn)生的值比從人類統(tǒng)計中獲得的值準確30％。 使用傳統(tǒng)統(tǒng)計方法進行的類似改進將需要兩倍的望遠鏡，而這可能很難（也很昂貴）。然而過全面訓(xùn)練的AI用于分析暗物質(zhì)地圖，以試圖發(fā)現(xiàn)傳統(tǒng)分析所丟失的細節(jié)。

科學(xué)家發(fā)現(xiàn)，與以前的方法相比，深度人工神經(jīng)網(wǎng)絡(luò)使我們能夠從數(shù)據(jù)中提取更多信息。 我們相信，機器自我型學(xué)習(xí)方法，在宇宙學(xué)中的這種用途將在未來有很多應(yīng)用。

暗物質(zhì)控制著星系團MACS J0416.1–2403的中心，導(dǎo)致遠處物體的引力透鏡。

我們最熟悉的面部識別技術(shù)基于面部輪廓，測量和識別難以改變的方面，例如人眼之間的距離或下巴的形狀。

這項技術(shù)類似于機場，邊境口岸以及大型公共活動中使用的技術(shù)，是一種旨在識別太空暗物質(zhì)的新工具。 隨著時間的推移，這些神經(jīng)網(wǎng)絡(luò)將在更大的暗物質(zhì)數(shù)據(jù)集上釋放，例如暗能量調(diào)查。

宇宙的形成，演化和最終命運，是宇宙學(xué)和天體物理學(xué)中的一個重要課題。 了解暗物質(zhì)（將物體拉在一起）和暗能量（將波斯菊推開）的影響，對于弄清宇宙的本質(zhì)至關(guān)重要。