尋找暗物質(zhì)，機器比人的眼神好。近期《計算天體物理學和宇宙學》發(fā)表的一篇論文顯示，美國勞倫茲伯克利國家實驗室（以下簡稱“伯克利實驗室”）等機構(gòu)共同研制的深度學習AI框架，能夠探尋宇宙里暗物質(zhì)的跡象。

近幾年，人工智能越來越多應用于天文學研究。深度學習需要海量數(shù)據(jù)，而天文學正是AI大顯身手的領(lǐng)域。機器可以替人類從茫茫大海里撈針，捕捉到新的恒星、新的地外行星甚至暗物質(zhì)。

辨認“引力透鏡”，AI立功了

尋找“引力透鏡”是研究暗物質(zhì)分布的基本方法。巨大質(zhì)量的物體會像透鏡一樣扭曲路過的光線，找出這種扭曲就能捕捉到不發(fā)光的質(zhì)量物。

論文顯示，伯克利實驗室建立的深度學習AI框架CosmoGAN，可以分析引力透鏡與暗物質(zhì)的關(guān)聯(lián)。它可以創(chuàng)建高保真、弱引力透鏡收斂圖。

曾幾何時，尋找“引力透鏡”所需的模擬和數(shù)據(jù)處理很麻煩。20名科學家花費了好幾個月的時間只能查看一小塊空間圖像。物理模擬需要數(shù)十億個計算小時，占用數(shù)兆字節(jié)的磁盤空間。

神經(jīng)網(wǎng)絡的進步提供了機會。伯克利實驗室領(lǐng)導的團隊引入一種“生成性對抗網(wǎng)絡（GANs）”。研究者穆斯塔法說：“也有別的深度學習方法可以從許多圖像中得到收斂圖，但與競爭方法相比，GANs生成非常高分辨率的圖像，同時仍有神經(jīng)網(wǎng)絡的高效率�！�

現(xiàn)在，天文學家可以用CosmoGAN分析大得多的天區(qū)，速度也更快。

CosmoGAN不是唯一取得進展的天文學深度學習神經(jīng)網(wǎng)絡。比如多倫多大學利用深度學習技術(shù)解析月球隕石坑的衛(wèi)星圖像，P8超級計算機的神經(jīng)網(wǎng)絡在僅僅幾個小時內(nèi)發(fā)現(xiàn)6000個新的隕石坑，是過去幾十年中人類發(fā)現(xiàn)隕石坑數(shù)量的2倍。伊利諾伊大學厄巴納－香檳分校利用深度學習來探測和分析黑洞碰撞的引力波。AI在天文學遍地開花。

數(shù)據(jù)太多，沒機器玩不轉(zhuǎn)

過去幾年里，天文領(lǐng)域的大多數(shù)方向都在嘗試使用人工智能�？紤]到天文學要處理的數(shù)據(jù)之多，這是一個很自然的思路。讓機器練習去分析蛛絲馬跡，不如此，未來的天文學將無法運轉(zhuǎn)。

不久前舉辦的2019年GPU技術(shù)大會吸引了全世界的人工智能學者。大會請來加州大學圣克魯茲分校的天文學家布蘭特·羅伯特森演講，他指出：“天文學正在一場新的數(shù)據(jù)革命的風口”。羅伯特森認為，新一代天文儀器必須配合由深度學習驅(qū)動的新一代軟件。

比如預計在3年后運行的大口徑全天巡視望遠鏡（LSST）。它巡視南天那一半宇宙中的370億個星系，生成一部時長十年的不間斷視頻。LSST配備的是32億像素的相機，每晚產(chǎn)生25TB的數(shù)據(jù)，相當于現(xiàn)在先進天文望遠鏡一生貢獻的所有數(shù)據(jù)。

再比如平方公里陣列射電望遠鏡（SKA）。它遍布全球，一部分天線在非洲南部8國部署，還有100多萬天線位于澳大利亞和新西蘭。它的原始數(shù)據(jù)每天達到5千個PB，處理后也有50個PB左右。

“暗能量巡天”編制幾億個星系的星圖；“蓋亞”衛(wèi)星測繪銀河系數(shù)十億恒星；“茲威基”項目每小時能夠掃描3750平方度的天區(qū)。在中國，F(xiàn)AST每天的數(shù)據(jù)量將達150TB；郭守敬望遠鏡觀測了901萬條光譜，是世界上最大的天體光譜庫……