文 | AI国际站 唐恩

编 | 艾娃

本文由AI国际站 原创出品，在今日头条平台首发，未经许可，任何渠道、平台请勿转载，违者必究

在我们周围的宇宙中看到的一切—恒星，行星，星系等等—总计不到填充宇宙的总质量和能量的百分之五。暗物质和暗能量的本质构成了所有存在的一切的绝大部分，仍然是一个谜。

虽然暗物质将星系和星系团聚在一起，但暗能量为宇宙膨胀的速度不断增加提供了动力。尽管天文学家可以看到这些影响，但无法直接观察到暗物质或暗能量，因此很难研究大部分宇宙。天文学家看到暗物质影响的一种方法是研究大型物体通过的光的弯曲，暗物质会影响来自远处物体的光线，使它们像透镜一样弯曲。通过检查这种影响，天文学家能够在大型物体（例如星团）中创建暗物质。

我们可以使用间接方式来研究事物，例如看着阴影，并对造成阴影的原因进行有根据的猜测。科学家间接研究暗物质的一种方法是使用重力透镜。当来自遥远的恒星光穿过星系或群集，存在于星系或群集的物质的重力使光弯曲。

用人工智能搜索天空

苏黎世联邦理工学院的物理学家和计算机科学工程师现在正在利用人工智能来完善暗物质图。通过使用类似于面部识别软件的人工智能，研究人员希望能够详细了解暗物质的聚集位置，以期更好地理解这种现象。利用机器学习工具为机器提供了自学能力，以识别宇宙地图中暗物质的重要模式。研究人员在神经网络中使用的典型暗物质图。

因为看不到暗物质，所以天文学家寻找来自遥远物体（例如星系）的光，当它们经过暗物质沉积时会弯曲。这种光的弯曲称为弱引力透镜，会扭曲背景物体的图像。

可以测量该失真，从而生成前景区域的重力图，从而揭示暗物质的存在。将这些暗物质图谱与理论预测值进行比较，以确定哪种宇宙学模型模型最适合观测。强大的引力透镜使天文学家能够看到诸如星系之类的物体，并躲藏在诸如星系团之类的巨大物体之后。此分析中使用的机器学习算法类似于其他社交媒体应用程序使用的面部识别技术。

Facebook使用其算法来查找图像中的眼睛，嘴巴或耳朵；我们用我们的粒子来寻找暗物质和暗能量的迹象，粒子物理与天体物理研究所的亚历山大·雷弗里耶尔说。传统上使用人为设计的统计数据（例如相关函数）来分析此数据，但是此类过程在识别星系引力图中的复杂模式的能力方面受到限制。

“在我们最近的工作中，我们使用了一种全新的方法。Refregier解释说，我们没有让自己自己发明适当的统计分析，而是让计算机来完成这项工作。

为研究做好准备，神经网络中装有模拟宇宙的数据。这些暗物质图由神经网络反复分析，该神经网络从数据中提取了尽可能多的信息。随着时间的流逝，人工智能提高了识别和区分一项功能的能力。该神经网络，最终产生了比从人衍生的统计获得的那些更精确的30％的值。使用传统统计方法进行的类似改进将需要两倍的望远镜时间，而这可能很难。

经过训练有素的AI随后被用于分析暗物质图，试图发现传统分析中丢失的细节。“ [w] e发现，与以前的方法相比，深度人工神经网络使我们能够从数据中提取更多信息。我们相信，机器学习在宇宙学中的这种用途将在未来有很多应用。” Refregier研究小组的博士生Janis Fluri解释说。暗物质控制着星系团MACS J0416.1–2403的中心，导致远处物体的引力透镜。

我们最熟悉的面部识别基于脸部轮廓，测量和识别难以改变的方面，例如人眼之间的距离或下巴的形状。

这项技术类似于在机场，过境点以及大型公共活动中使用的技术，是一种旨在识别太空暗物质的新工具。随着时间的流逝，这些神经网络将在更大的暗物质数据集中释放出来，例如暗能量调查。

宇宙的形成，演化和最终命运是宇宙学和天体物理学中的一些基本问题。了解暗物质（将物体拉在一起）和暗能量（将波斯菊推开）的影响，对于弄清宇宙的本质至关重要。