据物理学家组织网30日文章称，美国斯坦福直线加速器中心（SLAC）国家实验室和斯坦福大学的最新研究首次表明，人工智能神经网络可以准确地分析引力透镜，且比传统的方法快1000万倍，报告发表于英国《自然》杂志上。
引力透镜是爱因斯坦广义相对论所描述的一种现象。当光经过遥远星系、星系团及黑洞等具有巨大引力的天体附近时，会像通过凸透镜一样发生弯曲，其原理非常类似光学透镜的作用，因而称为引力透镜效应。根据光线变化在光谱外波段呈现的不规则程度，可以推算发光星系的年龄和距离。
更重要的是，这种光线的扭曲还提供了一个关键线索，即质量是如何在空间上分布以及这种分布又是如何引起时间变化的，而它们恰恰关系到两个重要属性：宇宙中数量庞大的暗物质与推动宇宙加速膨胀的暗能量。
不过直到现在，这类分析都是非常乏味的过程。引力透镜的视觉效果十分独特，难以用简单的数学规则描述，因此其筛选对于传统计算机很困难，数据上更涉及到大量数学透镜模型的计算机模拟，以及对透镜图像的对比。往往，一个透镜呈现的信息就要耗费数周甚至数月来完成。
但现在凭借神经网络——一种模仿人类大脑结构，进行分布式并行信息处理的算法模型，研究人员已能够在几秒钟内完成同样的分析。在经过百万张图像训练后，神经网络就能够以与传统方法同样的精度瞬间分析，分析结果的准确性极高，已通过美国国家航空航天局（NASA）哈勃太空望远镜的真实图像和计算模拟得到了验证。
论文作者之一的劳伦斯·佩罗·勒瓦瑟表示，现在只需输入计算要求，神经网络就可以在几分之一秒内，以完全自动化的方式生成结果。而人类就能腾出足够的时间，思考如何对宇宙提出正确的问题。
总编辑圈点
神经网络本身对天体物理学一无所知，但经过数百万个图像训练后，它可以获得一种与人类大脑类似的直觉，从而规避传统计算机算法在进行这一类型操作时会产生的困难。其实人类对引力透镜的研究已持续了整整一个世纪，现在人工智能的介入，让遥不可及的星空变得更加清晰。
