新聞中心首頁(yè)
瑞士研究人員開(kāi)發(fā)出一種人工智能算法,可從天文觀(guān)測數據中分辨出與暗物質(zhì)有關(guān)的信號,將其與容易混淆的其他信號區別開(kāi)來(lái)。
瑞士洛桑聯(lián)邦理工學(xué)院科研人員開(kāi)發(fā)的這一深度學(xué)習算法利用了“卷積神經(jīng)網(wǎng)絡(luò )”技術(shù),這是一類(lèi)強大的、為處理圖像數據而設計的神經(jīng)網(wǎng)絡(luò )。用源自一個(gè)宇宙學(xué)模型的大量模擬數據訓練該算法后,在理想條件下,該算法分析星系團圖像時(shí)區分暗物質(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(xué)》雜志上。
通常認為暗物質(zhì)是維系宇宙的無(wú)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(wú)法直接觀(guān)測,只能通過(guò)引力效應間接研究。此前研究發(fā)現,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(dòng)和分布,在星系尺度上可觀(guān)測到這一現象的引力影響。
由多個(gè)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?chē)镔|(zhì)的運動(dòng),所產(chǎn)生的“活動(dòng)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(dòng)星系核反饋”效應下的星系團。通過(guò)輸入數千張模擬的星系團圖像,這一人工智能算法學(xué)會(huì )了區分由暗物質(zhì)相互作用引起的信號和由“活動(dòng)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(guān)測數據時(shí)非常有用,其表現出的適應性和可靠性特點(diǎn)使其成為未來(lái)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)免責聲明: | |||||||
|
瑞士研究人員開(kāi)發(fā)出一種人工智能算法,可從天文觀(guān)測數據中分辨出與暗物質(zhì)有關(guān)的信號,將其與容易混淆的其他信號區別開(kāi)來(lái)。
瑞士洛桑聯(lián)邦理工學(xué)院科研人員開(kāi)發(fā)的這一深度學(xué)習算法利用了“卷積神經(jīng)網(wǎng)絡(luò )”技術(shù),這是一類(lèi)強大的、為處理圖像數據而設計的神經(jīng)網(wǎng)絡(luò )。用源自一個(gè)宇宙學(xué)模型的大量模擬數據訓練該算法后,在理想條件下,該算法分析星系團圖像時(shí)區分暗物質(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(xué)》雜志上。
通常認為暗物質(zhì)是維系宇宙的無(wú)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(wú)法直接觀(guān)測,只能通過(guò)引力效應間接研究。此前研究發(fā)現,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(dòng)和分布,在星系尺度上可觀(guān)測到這一現象的引力影響。
由多個(gè)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?chē)镔|(zhì)的運動(dòng),所產(chǎn)生的“活動(dòng)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(dòng)星系核反饋”效應下的星系團。通過(guò)輸入數千張模擬的星系團圖像,這一人工智能算法學(xué)會(huì )了區分由暗物質(zhì)相互作用引起的信號和由“活動(dòng)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(guān)測數據時(shí)非常有用,其表現出的適應性和可靠性特點(diǎn)使其成為未來(lái)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)免責聲明: | |||||||
|
|
|