人工智慧助力天體物理學，圖像分析速度快了1000萬倍

如果你分析引力透鏡宇宙現象，最好利用神經網路 。這是SLAC國家加速器實驗室和斯坦福大學研究人員發現的: 他們使用人工智慧對時空變形的分析比以前使用的方法快了1000萬倍。

引力透鏡指的是，當太空中的巨大物體，如星系團，使從更遠的星系發射的光線發生折射時觀察到的現象。通過望遠鏡觀察時，會導致圖像失真，對這些失真圖像的分析可以幫助天文學家計算引起這種現象的物體質量。也許還會對了解宇宙中暗物質的分布有一些啟發。

問題是，要將記錄下來的圖像與引力透鏡的模擬進行比較需要幾周的人力。研究團隊解釋說，已經建立了神經網路，通過研究有關不同鏡頭外觀的五十萬個計算機模擬，訓練其來識別不同的鏡頭。打開真實的圖像，人工智慧就可以分辨出鏡頭類型，從而計算影響被觀察光線以及人類分析的物體質量，雖說步驟繁多，但是速度也就是一瞬間的事。

斯坦福大學的Laurence Perreault Levasseur表示：「分析通常需要幾周到幾個月的時間才能完成，這需要專家的投入，而且在計算上要求很高，而神經網路可以在幾分之一秒內以完全自動化的方式完成。」

這種人工智慧圖像識別技術近年來在許多APP中應用得越來越普遍，從社會網路中的面孔識別到搜索引擎中圖像的對象識別，都在應用這一技術。但科學家們要求極其嚴格，以前也用神經網路解決天體物理學的問題，根據斯坦福大學Roger Blandford的一項聲明，但結果卻是形形色色。

不過，現在Blandford說，「我們相當樂觀，這將成為天體物理學中數據處理和分析問題更願意選擇的方法。」

本文譯自《麻省理工技術評論》。

此文為GET資訊原創內容，特此聲明

轉載請後台留言

資訊FUN起來，你也可以談時政。

【GET資訊】蘋果和安卓版均已上線

點擊展開全文

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！