瑞士研究人員開發(fā)出一種人工智能算法，可從天文觀測數(shù)據(jù)中分辨出與暗物質(zhì)有關(guān)的信號，將其與容易混淆的其他信號區(qū)別開來。
瑞士洛桑聯(lián)邦理工學院科研人員開發(fā)的這一深度學習算法利用了“卷積神經(jīng)網(wǎng)絡(luò)”技術(shù)，這是一類強大的、為處理圖像數(shù)據(jù)而設(shè)計的神經(jīng)網(wǎng)絡(luò)。用源自一個宇宙學模型的大量模擬數(shù)據(jù)訓練該算法后，在理想條件下，該算法分析星系團圖像時區(qū)分暗物質(zhì)信號與其他信號的準確率達到80%。相關(guān)論文已發(fā)表在新一期英國《自然·天文學》雜志上。
通常認為暗物質(zhì)是維系宇宙的無形力量，它約占所有物質(zhì)的85%；暗物質(zhì)不發(fā)光，也不參與其他電磁作用，因而無法直接觀測，只能通過引力效應間接研究。此前研究發(fā)現(xiàn)，暗物質(zhì)粒子之間可能發(fā)生相互作用，影響暗物質(zhì)的運動和分布，在星系尺度上可觀測到這一現(xiàn)象的引力影響。
由多個星系組成的星系團擁有大量密集的暗物質(zhì)，是研究暗物質(zhì)的理想對象，但星系眾多也導致其中有不少“噪音”。例如星系中央超大質(zhì)量黑洞釋放能量影響周圍物質(zhì)的運動，所產(chǎn)生的“活動星系核反饋”效應就容易與暗物質(zhì)相互作用產(chǎn)生的效應相混淆。
該研究模擬了在不同暗物質(zhì)和“活動星系核反饋”效應下的星系團。通過輸入數(shù)千張模擬的星系團圖像，這一人工智能算法學會了區(qū)分由暗物質(zhì)相互作用引起的信號和由“活動星系核反饋”引起的信號。
這一成果表明，人工智能可能在分析天文觀測數(shù)據(jù)時非常有用，其表現(xiàn)出的適應性和可靠性特點使其成為未來暗物質(zhì)等天文研究中很有前途的工具。
