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识别出与暗物质相关的信号，并将其与容易混淆的其他信号区分开来。
该算法由瑞士洛桑联邦理工学院的科研人员开发，基于 “卷积神经网络” 技术，这是一种强大的神经网络，专为处理图像数据而设计。该算法使用来自宇宙学模型的大量模拟数据进行训练，在理想条件下，分析星系团图像时，能够以 80% 的准确率区分暗物质信号和其他信号。相关研究论文已发表在最新一期的英国《自然·天文学》杂志上。
暗物质被认为是维持宇宙结构的无形力量，约占所有物质的 85%。它不发光，也不参与其他电磁相互作用，因此无法直接观测，只能通过引力效应间接研究。以往研究发现，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，这种现象在星系尺度上可以通过引力效应观察到。
由多个星系组成的星系团拥有大量的密集暗物质，是研究暗物质的理想目标。然而，众多星系也带来了大量干扰信号。例如，星系中央超大质量黑洞释放能量影响周围物质运动，产生的“活动星系核反馈”效应容易与暗物质相互作用产生的效应混淆。
这项研究模拟了不同暗物质和“活动星系核反馈”效应下的星系团。该人工智能算法通过输入数千张模拟的星系团图像，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。
这项成果表明，人工智能在分析天文观测数据方面具有巨大潜力，其适应性和可靠性特点使其成为未来暗物质等天文研究中极具前景的工具。
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，可联系本站进行审核删除。
