一种全新的方式来研究宇宙中的暗物质和暗能量

物理学家和计算机学家们开发了一种全新的方式来研究宇宙中的暗物质和暗能量，他们利用计算机学习工具，通过人工智能编程，让计算机学会自己如何从宇宙地图中提取相关信息。

理解我们的宇宙如何成为今天的样子，以及它的最终命运是科学上最大的挑战之一。在一个晴朗的夜晚，我们抬头望向黑暗的天空，闪耀着光芒的星星像我们展示着令人惊叹的宇宙之大，而这只是我们能够看到的宇宙的一粒尘埃。更深的谜团在于我们看不到的东西，至少是我们不能直接看到的，它们就是神秘的暗物质和暗能量，随着暗物质将宇宙联系在一起，或者说将宇宙中所以的物质拉扯在一起，暗能量使宇宙膨胀得更快，科学家们需要知道这两者之间到底有什么关系，以及有多少，才能去更好的完善它们的科学模型。

苏黎世联邦理工学院的物理学和计算机科学系的科学家们组成了科研组，通过改进人工智能估算宇宙暗物质含量的标准方法，他们使用尖端的计算机学习算法进行宇宙学数据分析。也就是我们常说的AI技术。他们将其命名为“宇宙学的面部识别”。

尽管在夜空中拍摄的宇宙照片中没有真实的面部可以使识别，但是科学家们仍然在寻找类似的东西，美国天体物理研究所亚历山大博士说：社交应用使用它的算法在图像中识别人的眼睛、耳朵和嘴巴。我们使用我们的算法来寻找暗物质和暗能量的迹象，由于无法在望远镜图像中直接看到暗物质。所以我们只能通过其他的途径来解决这个问题。所以的物质，包括黑暗物质，都会稍微改变光线从遥远星系到达地球的路径，这种效应被称之为“弱引力透镜”，会非常微妙的扭曲这些星系的图像。

宇宙学家们可以利用这种扭曲来逆向分析，并创建显示暗物质位置的天空天体质量图。接下来，他们将这些暗物质图与理论预测值进行比较，以找出哪个宇宙模型最符合数据。但是这种统计数据的方式对于科学家们来说有很大的局限性，因为在复杂模式下这种技术的能力非常的有限。

在近期的工作中，科学家们使用了一种全新的方式，亚历山大博士说：我们让顶级计算机来完成这项工作，不再需要人工辅助对比。我们使用了称之为“深层人工神经网络的计算机学习算法”。并教会它们从暗物质地图中提取尽可能多的数据和信息。

首先，科学家们通过向神经网络输入模拟宇宙的数据来训练它们。这样它们就知道了给定宇宙学参数（例如：暗物质总量与暗能量之间的比率）的正确答案。通过反复分析暗物质图，神经网络会自己寻找合适的特征并提取越来越多的所需信息。

对深层人工神经网络的训练结果是令人满意的，与基于人工统计分析的传统方法所获得的数据相比，神经网络的准确度高出30%。同时提取数据的效率成几何倍的增长。对于宇宙学来说，这是一个巨大的进步。

在传统模式下，想要达到相同的精度，就需要增加望远镜的规模，同时需要更多的观测与数据对比时间，这里的经济成本和人力成本都将会非常的高。

最后，科学家们用他们训练有素的神经网络分析了KiDS-450数据集的实际暗物质图，这是首次使用神经网络学习工具投入真实的工作当中。

科学家称：我们发现，深层人工神经网络能够大幅地提升我们的工作效率。这得以让我们有更多的时间去进行关于暗物质和暗能量的其他研究，而不是将大把时间花费在对比数据之上。