【科技视窗】瑞士研究人员：人工智能可帮助寻找暗物质

瑞士研究人员开发出一种人工智能算法，可从天文观测数据中分辨出与暗物质有关的信号，将其与容易混淆的其他信号区别开来。

瑞士洛桑联邦理工学院科研人员开发的这一深度学习算法利用了“卷积神经网络”技术，这是一类强大的、为处理图像数据而设计的神经网络。用源自一个宇宙学模型的大量模拟数据训练该算法后，在理想条件下，该算法分析星系团图像时区分暗物质信号与其他信号的准确率达到80%。相关论文已发表在新一期英国《自然·天文学》杂志上。

通常认为暗物质是维系宇宙的无形力量，它约占所有物质的85%；暗物质不发光，也不参与其他电磁作用，因而无法直接观测，只能通过引力效应间接研究。此前研究发现，暗物质粒子之间可能发生相互作用，影响暗物质的运动和分布，在星系尺度上可观测到这一现象的引力影响。

由多个星系组成的星系团拥有大量密集的暗物质，是研究暗物质的理想对象，但星系众多也导致其中有不少“噪音”。例如星系中央超大质量黑洞释放能量影响周围物质的运动，所产生的“活动星系核反馈”效应就容易与暗物质相互作用产生的效应相混淆。

该研究模拟了在不同暗物质和“活动星系核反馈”效应下的星系团。通过输入数千张模拟的星系团图像，这一人工智能算法学会了区分由暗物质相互作用引起的信号和由“活动星系核反馈”引起的信号。