QQ在線
企業微信
資訊
1061在探索宇宙奧秘的征途中，瑞士科學家取得了重大進展。洛桑聯邦理工學院的研究團隊成功開發出一種創新的人工智能算法，該算法能夠精準地從復雜的天文觀測數據中剝離出與暗物質相關的微妙信號，有效區分其與眾多混淆信號的界限。這一成果標志著暗物質研究邁入了一個全新的智能分析時代。
該算法的核心在于深度學習技術，特別是“卷積神經網絡”的應用，這一技術以其強大的圖像處理能力而聞名。研究團隊通過海量模擬數據，基于先進的宇宙學模型對算法進行了嚴格訓練。在理想實驗條件下，該算法在解析星系團圖像時，展現出了高達80%的準確率，能夠清晰辨識出暗物質信號與其他干擾信號的區別。這一突破性成果已正式發表于國際知名學術期刊《自然·天文學》上。
暗物質，這一占據宇宙物質總量約85%的神秘存在，因其不發光、不參與電磁相互作用的特性，長久以來一直是天文學界難以直接觀測的謎題。科學家們只能通過其引力效應來間接研究其性質與分布。星系團，作為暗物質高度集中的區域，成為了研究暗物質行為的天然實驗室。然而，星系團內部復雜的物理過程，如星系中央超大質量黑洞釋放的能量對周圍環境的擾動（“活動星系核反饋”），常常掩蓋了暗物質信號的蹤跡，給研究帶來了巨大挑戰。
面對這一難題，瑞士研究團隊巧妙地將人工智能引入天文數據分析領域。他們通過構建多種模擬場景，涵蓋了不同暗物質特性及“活動星系核反饋”效應下的星系團圖像，為算法提供了豐富的“學習素材”。經過數千次模擬圖像的輸入與訓練，該算法逐漸掌握了區分暗物質信號與“活動星系核反饋”信號的關鍵技能。
此項研究的成功，不僅展示了人工智能在天文觀測數據分析中的巨大潛力，也為未來暗物質乃至更廣泛的天文學研究開辟了新的路徑。其高度的適應性和可靠性，預示著AI將成為天文學研究不可或缺的強大工具，助力科學家們揭開宇宙更深層次的秘密。
