本報記者 高 博

　　尋找暗物質，機器比人的眼神好。近期《計算天體物理學和宇宙學》發表的一篇論文顯示，美國勞倫茲伯克利國家實驗室(以下簡稱“伯克利實驗室”)等機構共同研制的深度學習AI框架，能夠探尋宇宙里暗物質的跡象。

　　近幾年，人工智能越來越多應用于天文學研究。深度學習需要海量數據，而天文學正是AI大顯身手的領域。機器可以替人類從茫茫大海里撈針，捕捉到新的恒星、新的地外行星甚至暗物質。

　　辨認“引力透鏡”，AI立功了

　　尋找“引力透鏡”是研究暗物質分布的基本方法。巨大質量的物體會像透鏡一樣扭曲路過的光線，找出這種扭曲就能捕捉到不發光的質量物。

　　論文顯示，伯克利實驗室建立的深度學習AI框架CosmoGAN，可以分析引力透鏡與暗物質的關聯。它可以創建高保真、弱引力透鏡收斂圖。

　　曾幾何時，尋找“引力透鏡”所需的模擬和數據處理很麻煩。20名科學家花費了好幾個月的時間只能查看一小塊空間圖像。物理模擬需要數十億個計算小時，占用數兆字節的磁盤空間。

　　神經網絡的進步提供了機會。伯克利實驗室領導的團隊引入一種“生成性對抗網絡(GANs)”。研究者穆斯塔法說：“也有別的深度學習方法可以從許多圖像中得到收斂圖，但與競爭方法相比，GANs生成非常高分辨率的圖像，同時仍有神經網絡的高效率�！�

　　現在，天文學家可以用CosmoGAN分析大得多的天區，速度也更快。

　　CosmoGAN不是唯一取得進展的天文學深度學習神經網絡。比如多倫多大學利用深度學習技術解析月球隕石坑的衛星圖像，P8超級計算機的神經網絡在僅僅幾個小時內發現6000個新的隕石坑，是過去幾十年中人類發現隕石坑數量的2倍。伊利諾伊大學厄巴納-香檳分校利用深度學習來探測和分析黑洞碰撞的引力波。AI在天文學遍地開花。

　　數據太多，沒機器玩不轉

　　過去幾年里，天文領域的大多數方向都在嘗試使用人工智能�？紤]到天文學要處理的數據之多，這是一個很自然的思路。讓機器練習去分析蛛絲馬跡，不如此，未來的天文學將無法運轉。

　　不久前舉辦的2019年GPU技術大會吸引了全世界的人工智能學者。大會請來加州大學圣克魯茲分校的天文學家布蘭特