類似大腦「神經網絡」能快速分析宇宙引力透鏡
2017年09月14日09:50

  據國外媒體報導,目前,研究人員使用類似大腦的“神經網絡”分析時空中關鍵的扭曲現象,其分析速度比傳統方法快1000萬倍。

  這項最新研究使用一種人工智能系統檢測分析哈勃太空望遠鏡拍攝圖像中的引力透鏡現象,並能模擬圖像,這一過程可以讓研究人員更好地觀測星系中質量如何分佈,並提供遙遠星系天體的“特寫鏡頭”。

研究人員首次使用神經網絡分析引力透鏡,分析時空中關鍵的扭曲現象,其分析速度比傳統方法快1000萬倍。
研究人員首次使用神經網絡分析引力透鏡,分析時空中關鍵的扭曲現象,其分析速度比傳統方法快1000萬倍。

  研究報告合著作者、卡夫利粒子天體物理和宇宙學研究所(KIPAC)研究員勞倫斯・裴洛特・勒瓦瑟爾(Laurence Perreault Levasseur)說:“通常分析工作需要數週至數月才能完成,這需要專家技術支援和計算需求,但在一個完全自動化方式下,‘神經網絡’僅需幾分之一秒便能完成。”

  密集天體的偶然排列和星系背景能夠產生引力透鏡――當光線在宇宙背景質量周圍產生彎曲時形成一種宇宙背景的自然放大,結果導致光線環扭曲,有時叫做“愛因斯坦環”,可以通過分析來瞭解遙遠天體系統自身和掠過其前方的天體質量,這對於理解暗物質十分方便,雖然目前科學家無法直接觀測到暗物質,但它可以作為聚焦研究背景星系的“透鏡”。

  KIPAC研究人員在一份報告中指出,目前科學家正在從望遠鏡觀測數據中獲得越來越多的透鏡數據,然而,與模擬引力透鏡圖像以及嚐試重建導致該現象的狀況進行對比,分析該系統掌握天體的屬性仍是一個漫長而乏味的過程。

  研究人員表示,分析單個引力透鏡需要幾個星期或者幾個月的時間,而“神經網絡”發現透鏡屬性僅需幾分鍾時間。

  神經網絡的工作原理是將人工智能系統與大腦特殊的靈感啟髮結構,與數百萬至數十億個實例屬性結合在一起,因此幫助研究人員掌握如何識別其它狀況下的屬性。例如:“神經網絡”系統能夠精確地識別照片中大量狗,而不需要研究人員告訴神經網絡需要注意哪些細節。

哈勃太空望遠鏡拍攝到星繫在一個叫做引力透鏡的過程中“彎曲”周圍密集背景物體,研究人員利用這些圖像測試神經網絡的性能,從而理解引力透鏡的特徵。
哈勃太空望遠鏡拍攝到星繫在一個叫做引力透鏡的過程中“彎曲”周圍密集背景物體,研究人員利用這些圖像測試神經網絡的性能,從而理解引力透鏡的特徵。

  同時,“神經網絡”還可用於完成更複雜的任務,例如:Google公司開發的“阿爾法狗(AlphaGo)”程式,該程式能夠運算大量程式並進行分析,甚至能夠擊敗圍棋世界冠軍。相比之下,傳統電腦程式無法對圍棋進行完美計算,因為圍棋走法有許多種可能性。

  在這項研究中,研究人員發現最新設計的神經網絡系統在一天時間里可以分析處理大約50萬張模擬引力透鏡圖像,之後他們在新透鏡上測試該網絡系統,發現能夠非常快速和精確地分析。

  研究報告作者、KIPAC研究人員亞沙爾・赫紮威(Yashar Hezaveh)表示,我們測試的神經網絡包括3個公開神經網絡和一個我們最新開發的神經網絡,它們都能夠測量每個引力透鏡的屬性,其中包括:質量分佈狀況,以及背景星系圖像的放大程度。

  研究人員指出,雖然神經網絡之前應用於天體物理學領域,但很少用於複雜等級的領域範圍。例如:它們被用於識別圖像是否包含一個引力透鏡,但不是用於分析它。赫紮威說:“這就好像我們最新開發的神經網絡不僅從大量照片中採集狗的圖像,而且返回關於狗的體重、身高和年齡的信息。”

  儘管這些研究分析是通過高性能計算集群完成的,但研究人員表示,用較少的計算處理也能完成,比如:在筆記本電腦,甚至是手機也可以處理完成。隨著越來越多的天文數據需要檢測分析,像這樣的計算系統將成為非常關鍵的工具。

  KIPAC研究人員羅傑・布蘭福德(Roger Blandford)指出,神經網絡曾用於解決天文物理學問題,結果是好壞參半。但是最新算法結合現代圖像處理單元(GPUs),可以製造非常快速和可靠的結果,正如該研究報告論證解決的引力透鏡問題。人們非常樂觀地認為,這將成為天體物理學和其它領域中更多數據處理和分析問題的選擇。目前,這項最新研究報告發表在8月30日出版的《自然》雜誌上。(葉傾城)

關注我們Facebook專頁
    相關新聞
      更多瀏覽