新聞中心首頁
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(xué)院科研人員開發(fā)的這一深度學(xué)習(xí)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(xué)模型的大量模擬數(shù)據(jù)訓(xùn)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(zhǔn)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(xué)》雜志上。
通常認(rèn)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(yīng)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(dǎo)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(yīng)就容易與暗物質(zhì)相互作用產(chǎn)生的效應(yīng)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(yīng)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(xué)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(yīng)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。
新華社北京9月18日電
焦作網(wǎng)免責(zé)聲明: | ||||||||
|
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(xué)院科研人員開發(fā)的這一深度學(xué)習(xí)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(xué)模型的大量模擬數(shù)據(jù)訓(xùn)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(zhǔn)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(xué)》雜志上。
通常認(rèn)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(yīng)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(dǎo)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(yīng)就容易與暗物質(zhì)相互作用產(chǎn)生的效應(yīng)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(yīng)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(xué)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(yīng)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。
新華社北京9月18日電
|
焦作網(wǎng)免責(zé)聲明: | ||||||||
|
|
|