拿了諾貝爾獎的引力波，人工智慧分分鐘找出它的「事業線」

10月3日，美國物理學家雷納·韋斯、巴里·巴瑞希和吉普·索納三人被授予2017年諾貝爾物理學獎，以表彰他們在LIGO探測器和引力波觀測方面作出的決定性貢獻。

GIF/10K

什麼是引力波？引力波是愛因斯坦廣義相對論中預言的一種以光速傳播的時空波動，被視為宇宙中的「時空漣漪」。愛因斯坦曾描述：有質量的物體會使它周圍的時空發生扭曲，且質量越大，時空就扭曲得越厲害。舉個例子，《泰坦尼克號》里的傑克和露絲會相愛是因為他們「太重」——露絲和傑克分別造成時空彎曲，兩人掉進一個叫「愛情」的坑。太陽和地球的關係也一樣，只不過太陽的質量比地球大得多，造成的時空扭曲也更大，所以看上去，地球在繞著太陽旋轉。旋轉時產生「時空擾動」，以波的形式向外傳播，即「引力波」。

那麼，引力波要如何探測呢？時下火熱的人工智慧能不能幫得上忙呢？當然能。

一、人工智慧探測引力波

1、區分信號

引力波數據分析中極為關鍵的一步，是區分引力波信號和其他干擾信號。我國清華大學的研究團隊將人工智慧領域的核心——「機器學習」方法用於引力波數據雜訊分析。具體來說，在對引力波信號提取時，可以將引力波信道的事件和其他環境信道的事件進行比對，如果引力波信道的某類事件跟某些環境信道的事件耦合性比較強，就可以「否決」引力波信道的事件。

這樣，引力波信號探測的物理問題被轉化成了一個數據分析處理問題，而對數據本身關聯性的判斷正是機器學習的強項。LIGO科學合作組織理事會成員曹軍威表示：「捕捉引力波最大的挑戰在於LIGO數據的採樣頻率特別高，達到每秒16000次以上，採樣信道達上萬個，數據量特別大，採用機器學習等數據處理方法，能夠提高數據處理效率。」

2、分析圖像

由斯坦福大學和SLAC國家加速器實驗室的研究人員開發的新神經網路能夠分析所謂的引力透鏡的圖像。愛因斯坦曾提出假設，像恆星這樣擁有巨大質量的物體，其周圍有彎曲的光。這種效應類似於望遠鏡，它使我們能夠更清晰地檢查到遠處的物體。然而，與望遠鏡不同的是，引力透鏡會將物體扭曲成模糊的環和弧線，因此理解難度相當大。

將人工智慧神經網路應用到對引力波圖像的分析上，會比原本的方法快1000萬倍。神經網路能夠發現新的鏡頭並確定它們的屬性、質量分布以及背景星系的放大水平。這意味著，人類專家需要數周甚至數月才能完成的分析，現在只需要一秒鐘的就可以通過神經網路得到分析結果。

「我們沒有足夠的人能夠及時地用傳統方法分析所有這些數據。」博士後研究員勞倫斯·佩雷納德·勒瓦瑟爾說，他是相關自然研究報告的合著者。「神經網路將幫助我們識別有趣的物體並快速分析它們，這將給我們更多的時間來探索關於宇宙的問題。」

二、人工智慧探索宇宙

1、機器人決策更「獨立」

由於距離太遠，探測器與地球之間的交流可能需要20分鐘，此時「獨立」性就變得非常有用了。此外，NASA（美國國家航空航天局）曾表示：使用機器人會比載人計劃更具有安全性。「好奇號」火星探測器就是這樣一個例子，它有一個自動瞄準系統，可以引導其相機和激光器直接對準它認為值得研究的岩石或其他對象。這樣做不僅可以智能地選擇一個有價值的目標，還會選擇最佳的掃描方案，為地球上的科學家獲取相關信息。

2、人工智慧會「預警」

NASA此前在其地球觀測1號衛星上使用了AI技術，在2003年就已開始運營，該項技術的具體名稱為——自主科學衛星技術試驗（ASE），能自行在地球表面尋找有價值的事件，例如火山爆發，從而比陸地上工作的人類更快地發出預警。

結語：

作家瓦格斯塔夫曾表示：「機器人自主能力和人工智慧技術是在太空探索中實現任務目標的關鍵。」

人工智慧很早就被應用於太空探索中，具體涉及到的技術包括：計算機視覺、語音識別、自然語言處理以及機器學習，作用包括取圖像、信息、數據，然後傳回地球，或者幫助人類進行分析。雖然功能有限，但是人工智慧技術已經為人類的太空探索事業帶來了技術變革：工作得以簡化，任務得以突破。

而機器人則可以在不需要人工干預的情況下，更為自主、合理地分配時間、資源，以提升完成太空任務的效率和質量。同時，還能極大減輕地面控制人員與研究人員的工作力度，也能夠最大化提升壽命和保障應用安全。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！