瑞士研究人員開發出一種人工智能算法，可從天文觀測數據中分辨出與暗物質有關的信號，將其與容易混淆的其他信號區別開來。

　瑞士洛桑聯邦理工學院科研人員開發的這一深度學習算法利用了「卷積神經網絡」技術，這是一類強大的、為處理圖像數據而設計的神經網絡。用源自一個宇宙學模型的大量模擬數據訓練該算法後，在理想條件下，該算法分析星系團圖像時區分暗物質信號與其他信號的準確率達到80%。相關論文已發表在英國《自然·天文學》雜誌上。

　通常認為暗物質是維繫宇宙的無形力量，它約佔所有物質的85%；暗物質不發光，也不參與其他電磁作用，因而無法直接觀測，只能通過引力效應間接研究。此前研究發現，暗物質粒子之間可能發生相互作用，影響暗物質的運動和分佈，在星系尺度上可觀測到這一現象的引力影響。

　由多個星系組成的星系團擁有大量密集的暗物質，是研究暗物質的理想對象，但星系眾多也導致其中有不少「噪音」。例如星系中央超大質量黑洞釋放能量影響周圍物質的運動，所產生的「活動星系核反饋」效應就容易與暗物質相互作用產生的效應相混淆。

　該研究模擬了在不同暗物質和「活動星系核反饋」效應下的星系團。通過輸入數千張模擬的星系團圖像，這一人工智能算法學會了區分由暗物質相互作用引起的信號和由「活動星系核反饋」引起的信號。

　這一成果表明，人工智能可能在分析天文觀測數據時非常有用，其表現出的適應性和可靠性特點使其成為未來暗物質等天文研究中很有前途的工具。◇