人工智慧分析時空扭曲的速度高達1000萬倍

【博科園-科學科普】人工智慧不僅對客戶服務聊天機器人和手機的私人助理有好處，而且在這個領域的進步也在幫助革新科學研究。

來自美國能源部SLAC國家加速器實驗室和斯坦福大學的科學家已經證明，一種名為「神經網路」的人工智慧可以精確地分析時空中複雜的扭曲現象，比傳統方法快1000萬倍。

分析通常需要數周甚至數月才能完成，而且需要專家的輸入還是是計算上的要求，但可以通過神經網路在幾分之一秒內在一個完全自動化的方式上在手機的或電腦晶元上完成，勞倫斯和博士后Perreault Levasseur合著者將研究發表在《自然》期刊上。

團隊在卡夫粒子天體物理學和宇宙學研究所聯合線性和斯坦福研究所使用神經網路強大的引力透鏡的圖像，在一個遙遠的星系的照片和扭曲乘以一個巨大物體的引力接近我們，如星系團等。這些扭曲使得科學家們能夠計算出在太空中的質量如何分佈以及隨著時間的推移，這種分佈是如何變化的，這兩種物質都與無形的暗物質有關，而暗物質和暗能量佔了我們宇宙的95%（剩下的5%則是普通物質如星系，恆星，地球和組成我們的基本物質粒子）。

KIPAC的科學家們首次利用人工神經網路分析了時空中複雜的扭曲現象，稱為引力透鏡，這表明這種方法比傳統的分析方法要快1000萬倍。圖片版權：格雷格·斯圖爾特/ SLAC國家加速器實驗室

以前神經網路已經被用於天體物理學簡單的應用，例如確定一張圖片是否顯示了引力透鏡，但這個實驗遠遠不止於此。

我們檢測的神經網路——三個公開的神經網路和一個我們自己開發，能夠確定每個鏡頭的屬性，包括它的質量是如何分配和多少放大圖像的背景星系，這項研究的主要作者Yashar Hezaveh,NASA的哈勃學院博士后研究員KIPAC。

隨著我們對宇宙的進一步了解，我們獲得的數據量也在增長。但仔細研究所有這些數據就成了一項艱巨的任務。

例如大型綜合光學測量望遠鏡(LSST)，其320億像素的攝像頭目前正在SLAC的建設中，預計將把目前已知的強大引力透鏡的數量從現在的幾百個增加到數萬個。

我們沒有足夠的人能夠及時地用傳統方法分析所有這些數據，Perreault levasur說：神經網路將幫助我們識別有趣的物體並快速分析它們。這將給我們更多的時間來詢問關於宇宙的正確問題。

顧名思義，神經網路模仿人類大腦的工作方式，在那裡一個密集的神經元網路快速處理和分析信息。

令人驚奇的是神經網路本身可以學習尋找什麼特徵，該論文的作者之一KIPAC的工作人員Phil Marshall說：這與小孩子學習識別物體的方式類似。你不能確切地告訴他們狗是什麼，你只給他們看狗的照片。

但在這種情況下，希斯維說：就好像他們不僅從一堆照片中挑選了狗的照片，而且還傳回了有關狗體重、身高和年齡的信息。

科學家們在斯坦福研究計算中心(Stanford Research computing Center)上使用了「神探夏洛克」(Sherlock)高性能計算集群，但他們測試的一個神經網路被設計成在iphone上工作，提高了這些複雜的推理可以在科學家的手機上高速進行的可能性。

作者：Brid-Aine Parnell（科技記者）

來自：Forbes science

編譯：完美的球

審校：博科園

本文為作者原創，未經授權不得轉載