AI如何揭示宇宙的原始“设定”

Space9月2日报道，人工智能如今风靡一时。我们通常想到AI时，会想到令人惊叹的“深度伪造”图像和ChatGPT的书面回复，但天文学家实际上也在利用它进行重大发现。

最近，纽约市Flatiron研究所计算天体物理学中心（CCA）的研究人员使用AI以前所未有的精度确定了五个宇宙学参数——这些参数是天文学家在计算机模拟中描述整个宇宙的数字。

“这些参数可以被视为宇宙的‘设定’，决定了它在最大尺度上如何运作，”新研究的合著者、天文学家利亚姆·帕克在一份声明中说道。

利用他们的AI助手，研究团队从包含超过10万多个星系信息的数据集中提取了这些参数。这些星系是通过广泛的斯隆数字天空调查（SDSS）观测到的。像SDSS这样的庞大调查对于理解整个宇宙至关重要；通过观察星系在空间中的聚集方式，天文学家可以缩小描述宇宙中暗物质含量、宇宙大爆炸后状态等参数的数值范围。

“每一次这样的调查都要耗费数亿到数十亿美元，”该研究的合著者、CCA天文学家雪莉·何在新闻发布会上说道。“这些调查存在的主要原因是我们希望更好地理解这些宇宙学参数。因此，从实际角度考虑，每个参数都价值数千万美元。你希望进行最好的分析，尽可能多地从这些调查中提取知识，并推动我们对宇宙的理解。”

随着大规模调查带来了大量数据，天文学家一直在思考如何最大限度地利用这些海量信息。CCA团队的做法是利用AI分析宇宙中星系分布的小尺度细节——这是以前从未做过的，因为过去的研究只专注于大尺度趋势。

“这几年来，我们知道那里有更多的信息；只是我们没有一个好的方法来提取它，”普林斯顿大学天文学家、研究首席作者张勋焕在发布会上说道。

要让AI模型有用，首先需要训练它学会寻找什么——有点像训练一名初学天文学的学生培养出对物理学的良好直觉，使他们能够在习题集中识别出模式。

为了进行这种训练，张勋焕及其合作伙伴生成了2000个模拟宇宙，每个宇宙都具有不同的宇宙学设定。重要的是，他们知道在每个模拟中使用了哪些宇宙学数值，因此AI知道正确答案是什么。模拟还包括了银河系调查中遇到的现实挑战，比如大气层模糊或望远镜镜面不完美，以确保AI的训练具有现实性。

当模型完成训练后，团队将其应用于SDSS重子声振荡光谱调查的真实数据，结果令人惊叹。例如，AI方法确定了描述宇宙“团块性”的参数，其不确定性比传统方法减少了一半以上。

这种方法“相当于传统分析中使用了大约四倍数量的星系”，声明中指出，这使得天文学家可以用更少的数据做更多的工作，推动科学探索的极限。

而AI在实现这一目标中起到了关键作用。张勋焕在发布会上表示：“如果没有机器学习，你将需要数十万次模拟，”这在实践中几乎是不可行的。

对宇宙基本设定的更好理解甚至可能帮助解决一个重大的宇宙谜团：哈勃张力问题，即不同实验对哈勃常数（描述宇宙膨胀速度的值）的估计存在差异。随着像欧洲欧几里得调查等新调查的上线，像这种AI驱动的算法的方法将对充分利用这些新数据至关重要。

新闻来源：Space          作者：Briley Lewis

编辑：Audrey

（声明：请读者严格遵守所在地法律法规，本文不代表任何投资建议）