據物理學家組織網30日文章稱，美國斯坦福直線加速器中心（SLAC）國家實驗室和斯坦福大學的最新研究首次表明，人工智能神經網絡可以準確地分析引力透鏡，且比傳統的方法快1000萬倍，報告發表于英國《自然》雜志上。

引力透鏡是愛因斯坦廣義相對論所描述的一種現象。當光經過遙遠星系、星系團及黑洞等具有巨大引力的天體附近時，會像通過凸透鏡一樣發生彎曲，其原理非常類似光學透鏡的作用，因而稱為引力透鏡效應。根據光線變化在光譜外波段呈現的不規則程度，可以推算發光星系的年齡和距離。

更重要的是，這種光線的扭曲還提供了一個關鍵線索，即質量是如何在空間上分布以及這種分布又是如何引起時間變化的，而它們恰恰關系到兩個重要屬性：宇宙中數量龐大的暗物質與推動宇宙加速膨脹的暗能量。

不過直到現在，這類分析都是非常乏味的過程。引力透鏡的視覺效果十分獨特，難以用簡單的數學規則描述，因此其篩選對于傳統計算機很困難，數據上更涉及到大量數學透鏡模型的計算機模擬，以及對透鏡圖像的對比。往往，一個透鏡呈現的信息就要耗費數周甚至數月來完成。

但現在憑借神經網絡——一種模仿人類大腦結構，進行分布式并行信息處理的算法模型，研究人員已能夠在幾秒鐘內完成同樣的分析。在經過百萬張圖像訓練后，神經網絡就能夠以與傳統方法同樣的精度瞬間分析，分析結果的準確性極高，已通過美國國家航空航天局（NASA）哈勃太空望遠鏡的真實圖像和計算模擬得到了驗證。

論文作者之一的勞倫斯·佩羅·勒瓦瑟表示，現在只需輸入計算要求，神經網絡就可以在幾分之一秒內，以完全自動化的方式生成結果。而人類就能騰出足夠的時間，思考如何對宇宙提出正確的問題。（記者張夢然）

總編輯圈點

神經網絡本身對天體物理學一無所知，但經過數百萬個圖像訓練后，它可以獲得一種與人類大腦類似的直覺，從而規避傳統計算機算法在進行這一類型操作時會產生的困難。其實人類對引力透鏡的研究已持續了整整一個世紀，現在人工智能的介入，讓遙不可及的星空變得更加清晰。

快了1000萬倍！人工智能大幅提高引力透鏡分析能力

圖文簡介