类似大脑“神经网络”能快速分析宇宙引力透镜

　　研究人员首次使用神经网络分析引力透镜，分析时空中关键的扭曲现象，其分析速度比传统方法快1000万倍。

　　北京时间9月14日消息，据国外媒体报道，目前，研究人员使用类似大脑的“神经网络”分析时空中关键的扭曲现象，其分析速度比传统方法快1000万倍。
　　这项最新研究使用一种人工智能系统检测分析哈勃太空望远镜拍摄图像中的引力透镜现象，并能模拟图像，这一过程可以让研究人员更好地观测星系中质量如何分布，并提供遥远星系天体的“特写镜头”。
　　研究报告合著作者、卡夫利粒子天体物理和宇宙学研究所（KIPAC）研究员劳伦斯·裴洛特·勒瓦瑟尔（Laurence Perreault Levasseur）说：“通常分析工作需要数周至数月才能完成，这需要专家技术支持和计算需求，但在一个完全自动化方式下，‘神经网络’仅需几分之一秒便能完成。”
　　密集天体的偶然排列和星系背景能够产生引力透镜——当光线在宇宙背景质量周围产生弯曲时形成一种宇宙背景的自然放大，结果导致光线环扭曲，有时叫做“爱因斯坦环”，可以通过分析来了解遥远天体系统自身和掠过其前方的天体质量，这对于理解暗物质十分方便，虽然目前科学家无法直接观测到暗物质，但它可以作为聚焦研究背景星系的“透镜”。
　　KIPAC研究人员在一份报告中指出，目前科学家正在从望远镜观测数据中获得越来越多的透镜数据，然而，与模拟引力透镜图像以及尝试重建导致该现象的状况进行对比，分析该系统掌握天体的属性仍是一个漫长而乏味的过程。
　　研究人员表示，分析单个引力透镜需要几个星期或者几个月的时间，而“神经网络”发现透镜属性仅需几分钟时间。
　　神经网络的工作原理是将人工智能系统与大脑特殊的灵感启发结构，与数百万至数十亿个实例属性结合在一起，因此帮助研究人员掌握如何识别其它状况下的属性。例如：“神经网络”系统能够精确地识别照片中大量狗，而不需要研究人员告诉神经网络需要注意哪些细节。

　　哈勃太空望远镜拍摄到星系在一个叫做引力透镜的过程中“弯曲”周围密集背景物体，研究人员利用这些图像测试神经网络的性能，从而理解引力透镜的特征。

　　同时，“神经网络”还可用于完成更复杂的任务，例如：谷歌公司开发的“阿尔法狗（AlphaGo）”程序，该程序能够运算大量程序并进行分析，甚至能够击败围棋世界冠军。相比之下，传统电脑程序无法对围棋进行完美计算，因为围棋走法有许多种可能性。
　　在这项研究中，研究人员发现最新设计的神经网络系统在一天时间里可以分析处理大约50万张模拟引力透镜图像，之后他们在新透镜上测试该网络系统，发现能够非常快速和精确地分析。
　　研究报告作者、KIPAC研究人员亚沙尔·赫扎威（Yashar Hezaveh）表示，我们测试的神经网络包括3个公开神经网络和一个我们最新开发的神经网络，它们都能够测量每个引力透镜的属性，其中包括：质量分布状况，以及背景星系图像的放大程度。
　　研究人员指出，虽然神经网络之前应用于天体物理学领域，但很少用于复杂等级的领域范围。例如：它们被用于识别图像是否包含一个引力透镜，但不是用于分析它。赫扎威说：“这就好像我们最新开发的神经网络不仅从大量照片中采集狗的图像，而且返回关于狗的体重、身高和年龄的信息。”
　　尽管这些研究分析是通过高性能计算集群完成的，但研究人员表示，用较少的计算处理也能完成，比如：在笔记本电脑，甚至是手机也可以处理完成。随着越来越多的天文数据需要检测分析，像这样的计算系统将成为非常关键的工具。
　　KIPAC研究人员罗杰·布兰福德（Roger Blandford）指出，神经网络曾用于解决天文物理学问题，结果是好坏参半。但是最新算法结合现代图像处理单元（GPUs），可以制造非常快速和可靠的结果，正如该研究报告论证解决的引力透镜问题。人们非常乐观地认为，这将成为天体物理学和其它领域中更多数据处理和分析问题的选择。目前，这项最新研究报告发表在8月30日出版的《自然》杂志上。（叶倾城）