當神經網路遇上時空扭曲

科學家利用類似人類大腦的「神經網路」來分析時空中一種被稱為「引力透鏡」的複雜畸變。新刊登在《自然》雜誌的一篇論文中[1]，美國SLAC國家加速器實驗室和斯坦福大學的研究人員表示，他們使用的人工智慧的神經網路能以比傳統方法快一千萬倍的速度準確地分析引力透鏡。

引力透鏡是愛因斯坦的引力理論中一個重要的預言。整個系統包括：觀測者（Earth）、前景星系（Foreground galaxy）和遙遠的背景星系（Distant galaxy）。（圖片來源：Herschel ATLAS Gravitational Lenses）

根據愛因斯坦的廣義相對論，當背景光源發出的光在大質量天體（如星系團）的引力場附近經過時，光線會發生彎曲。當前景大質量天體、背景星系與觀察者恰好對齊時，光在前景大質量天體的周圍發生彎曲，從而遙遠的背景星系的圖像會形成環形和弧形，背景星系被自然放大。

研究這種光的畸變有助於我們了解遙遠星系的一些性質，以及前景大質量天體的質量等。分析引力透鏡圖像為我們掌握質量是如何在空間中分布、以及質量隨著時間推移會如何變化的提供了重要線索，這尤其有助於暗物質的研究。因為雖暗物質不能被直接觀測，卻能以「透鏡」的形式聚焦背景星系。

現在，科學家通過天文望遠鏡收集到越來越多與引力透鏡相關的數據。然而想要通過這些數據來研究星體的一些性質是一個漫長的數據處理過程。論文的共同作者之一Laurence Perreault Levasseur 表示：「這種分析通常需要耗費的時間從幾周到幾個月的時間不等，而且還需從事這項分析的工作人員具備大量專業知識，對計算能力要求也很高。可運用這種神經網路則只需要幾秒的時間，就能全自動化的完成整個分析過程。而且原則上來說，這種操作可以通過手機上的晶元就能完成。」

Kavli 粒子天體物理與宇宙學研究所（KIPAC）是SLAC實驗室和斯坦福大學的一個聯合研究所，這次的引力透鏡研究就是由 KIPAC 的研究團隊，使用人工智慧神經網路來分析哈勃望遠鏡拍攝到的強引力透鏡的圖像和計算機模擬的圖片來完成的。

在此之前，這種類型的分析一直都是一個冗長乏味的過程，它的工作包括將實際的透鏡圖像與大量數學透鏡模型進行比對。比對一個透鏡的數據就可能要需要幾個星期到幾個月的時間。

為了訓練神經網路，讓它們知道該找什麼，研究人員用了大約一天的時間給它們展示了約50萬個引力透鏡的模擬圖像，然後再用新的引力透鏡來測試神經網路系統是否可以找到這些新透鏡。結果發現，經過訓練後的神經網路幾乎能夠以瞬間的速度找到並分析新的透鏡，並且精準度與傳統的分析方法相當。人造神經網路幾乎完美的演示了閃電式複雜分析。在另一篇論文中[2]，研究人員還闡述了神經網路是如何計算分析中的誤差的。

哈勃太空望遠鏡捕捉到星系在「引力透鏡」效應下被「彎曲」在緻密的前景物體周圍。研究員用這些圖像來測試神經網路研究引力透鏡的能力。（圖片來源：Yashar Hezaveh et al.）

NASA 的研究員 Yashar Hezaveh 是這項研究的第一作者，他說：「我們測試過的神經網路里，有三個是公開可用的神經網路，還有一個是我們自己開發的神經網路，它們都能夠確定每個透鏡的屬性，包括質量如何分布，以及將背景星系放大了多少倍數。」

雖然神經網路不是第一次被應用在天體物理學上，但這次研究還是遠遠超出了其近期在天體物理學中的應用。在此之前神經網路僅限於處理分類問題，比如識別圖像中是否包含引力透鏡，但不進行更多分析。KIPAC 的科學家 Phil Marshall 是這篇論文的合著者之一，他說：「神奇之處在於，神經網路是自己學會需要搜尋什麼特徵的，這與教小孩學習識別對象的方式很像。你不需要告訴他們狗是什麼，只需給他們看一些狗的照片就可以了。」 但神經網路與孩子還不盡相同，Hezaveh 說：「神經網路能做的不僅是從一堆照片中選出狗的照片，還能向你反饋與狗相關的體重、身高和年齡等信息。」

一個人工神經網路的示例，單個計算單元以數百層形式組合。每個圖層搜索輸入圖像中的某些特徵（左側），最後一層提供分析結果。（圖片來源：Greg Stewart, SLAC National Accelerator Laboratory）

神經網路的產生是受到人腦結構的啟發，人類大腦密集的神經元網路能迅速處理和分析信息。在這個人造的神經網路中，一個「神經元」就是與被分析的圖像的像素相關的單個計算元。這些神經元被安排成層狀結構，可深達數百層。每一層搜索圖像中的特徵，一旦第一層已經找到某個特徵，這個信息將被傳輸到下一層，下一層則開始在這個特徵範圍內繼續搜索另一個特徵，依次類推。

儘管 KIPAC 的研究員用的是斯坦福計算研究中心的 Sherlock 高性能計算集群進行的神經網路測試，但這個程序也可用在筆記本電腦、甚至手機上。事實上，其中一個被測試的神經網路就是被設計來用在iPhone上的。

這種能快速、全面、自動化地篩選大量數據並進行複雜分析的能力，可以改變天文物理學的研究方式，這對未來的巡天探測調查來說是非常必要的。因為我們將要看向更深層的宇宙，同時會產生前所未有大數量的數據。大型綜合巡天望遠鏡（LSST）就是一個例子，它具有的32億像素的相機目前正在SLAC實驗室中搭建，它將為宇宙觀測貢獻無與倫比的視野，預計屆時能夠知曉的強引力透鏡數量將從現在的幾百個增加到幾萬個。

Perreault Levasseur 說：「我們沒有足夠的人能夠用傳統方法來及時分析所有的這些數據。 而神經網路將能幫助我們識別有趣的對象並進行快速分析。這將給我們提供更多的時間來提出與宇宙相關的正確的問題。」

KIPAC 的理論天體物理學家 Roger Blandford 說：「神經網路在過去已被應用於解決各種天體物理學問題，結果有好有壞。 但是，與現代圖像處理器（GPU）相結合的新演算法可以產生快速且可靠的結果，就像本文中介紹的處理引力透鏡問題一樣。我們有理由樂觀的相信，這將成為需要處理和分析更多數據的天體物理學和其他領域的絕佳選擇。」

參考文獻：

[1] https://www.nature.com/nature/journal/v548/n7669/full/nature23463.html

[2] https://arxiv.org/abs/1708.08843

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！