激光网3月12日消息，伦敦大学学院领导的一个研究小组使用人工智能技术，从过去70亿年的宇宙中暗物质和可见物质的地图中更精确地推断暗能量的影响和特性。
该研究已提交给皇家天文学会的月刊，可在arXiv预印本服务器上获得，由暗能量调查合作进行。研究人员将宇宙的关键特征的精度提高了一倍，可以从地图上推断出。
这种精度的提高使研究人员能够排除以前可能想象的宇宙模型。
暗能量是加速宇宙膨胀的神秘力量，被认为占宇宙内容的70%左右。
该研究的主要作者Niall Jeffrey博士说：“使用人工智能从计算机模拟的宇宙中学习，我们将对宇宙关键属性的估计精度提高了两倍。
“如果没有这些新技术，为了实现这种改进，我们需要四倍的数据量。这相当于绘制了另外3亿个星系的地图。
合著者Lorne Whiteway博士说：“我们的发现符合目前对暗能量作为'宇宙学常数'的最佳预测，其值在空间或时间上没有变化。但是，它们也允许灵活地使不同的解释正确。例如，我们的引力理论仍然可能是错误的。
与之前对2021年首次发表的暗能量巡天地图的分析一致，这些发现表明，宇宙中的物质比爱因斯坦的广义相对论所预测的更平滑地扩散——“不那么块状”。然而，与早期的分析相比，这项研究的差异不那么显着，因为误差线更大。
暗能量巡天地图是通过一种称为弱引力透镜的方法获得的，也就是说，观察来自遥远星系的光在到达地球的途中是如何预物质的引力弯曲的。
该合作分析了1亿个星系形状的扭曲，以推断这些星系前景中所有物质的分布，包括黑暗和可见。由此产生的地图覆盖了南半球四分之一的天空。
在这项新研究中，研究人员使用英国政府资助的超级计算机，根据暗能量调查物质图的数据对不同的宇宙进行模拟。每个模拟都有一个不同的宇宙数学模型支撑它。
研究人员从这些模拟中的每一个中创建了物质图。机器学习模型用于提取这些地图中与宇宙学模型相关的信息。第二种机器学习工具，从具有不同宇宙学模型的模拟宇宙的许多例子中学习，查看了真实观测到的数据，并给出了任何宇宙学模型成为我们宇宙真实模型的几率。
这种新技术使研究人员能够使用比以前的方法更多的地图信息。模拟在DiRAC高性能计算设施上运行。
黑暗宇宙项目的下一阶段 - 包括去年夏天发射的欧洲航天局任务Euclid - 将大大增加我们拥有的关于宇宙大尺度结构的数据量，帮助研究人员确定宇宙的意外平滑是否表明当前的宇宙学模型是错误的，或者是否有其他解释。
目前，这种平滑度与基于宇宙微波背景分析的预测不一致 - 大爆炸遗留下来的光。
伦敦大学学院是暗能量调查合作的创始成员之一，由美国能源部费米国家加速器实验室主办，涉及来自七个国家25个机构的400多名科学家。
该合作已经对数以亿计的星系进行了编目，使用了57000万像素的暗能量相机在六年内拍摄的夜空照片。这台相机的光学校正器是在伦敦大学学院建造的，安装在智利国家科学基金会的Cerro Tololo美洲天文台的望远镜上。
