使用人工智能更精確地了解暗能量

倫敦大學學院領導的研究小組利用人工智能 (AI) 技術，從過去 70 億年宇宙中暗物質和可見物質的地圖中更精確地推斷出暗能量的影響和特性。

這項研究由暗能量調查合作組織進行，已提交給《皇家天文學會月刊》并可在arXiv預印本服務器上獲取。研究人員將從地圖推斷宇宙關鍵特征(包括暗能量的總體密度)的精度提高了一倍。

這種精度的提高使研究人員能夠排除以前可以想象的宇宙模型。

暗能量是一種加速宇宙膨脹的神秘力量，被認為約占宇宙成分的 70%(其中暗物質、引力牽引星系的不可見物質占 25%，普通物質僅占 5%) )。

主要作者 Niall Jeffrey 博士(倫敦大學學院物理與天文學)表示：“利用人工智能從計算機模擬的宇宙中學習，我們將宇宙關鍵屬性的估計精度提高了兩倍。

“如果沒有這些新技術，要實現(xiàn)這一改進，我們將需要四倍的數(shù)據(jù)量。這相當于繪制另外 3 億個星系的地圖。”

合著者 Lorne Whiteway 博士(倫敦大學學院物理與天文學)表示：“我們的發(fā)現(xiàn)與目前對暗能量作為‘宇宙學常數(shù)’的最佳預測一致，其值不隨空間或時間而變化。然而，它們也允許不同的解釋是否正確的靈活性。例如，我們的引力理論仍然可能是錯誤的。”

與之前對 2021 年首次發(fā)布的暗能量巡天地圖的分析一致，研究結果表明，宇宙中的物質比愛因斯坦廣義相對論所預測的更平滑地擴散，而不是那么塊狀。然而，與早期的分析相比，本研究的差異不太顯著，因為誤差線更大。

　　免責聲明：本文由用戶上傳，與本網站立場無關。財經信息僅供讀者參考，并不構成投資建議。投資者據(jù)此操作，風險自擔。 如有侵權請聯(lián)系刪除！