美國能源部SLAC國家加速器實驗室和斯坦福大學(Stanford University)的最新研究首次表明，人工智能神經網絡能夠可以準確地分析引力透鏡(gravitational lenses)的復雜畸變，且速度比傳統(tǒng)方法快1,000萬倍?？茖W家表示，過去需要數周到數個月才能完成，且需要專家和高端計算設備的分析工作，通過神經網絡將能在幾分之一秒內以完全自動的方式完成。
“原則上，這些復雜的計算工作還能在手機芯片中完成?！眳⑴c該研究的博士后研究員Laurence Perreault Levasseur說。這項研究稍早前已發(fā)表在《自然》期刊中。
該研究由斯坦福大學的Kavli粒子天體物理與宇宙學研究所(KIPAC)和SLAC國家加速器實驗室共同進行，他們使用神經網絡分析強引力透鏡的圖像──引力透鏡是愛因斯坦廣義相對論所描述的一種現象。當光經過遙遠星系、星系團及黑洞等具有巨大引力的天體附近時，會像通過凸透鏡一樣發(fā)生彎曲，稱為引力透鏡效應。根據光線變化在光譜外波段呈現的不規(guī)則程度，可以推算發(fā)光星系的年齡和距離。
圖：KIPAC科學家使用人工智能神經網絡來分析時空中的復雜失真，稱之為引力透鏡。該方法比傳統(tǒng)分析快1,000萬倍。(Greg Stewart / SLAC國家加速器實驗室)
這種分析迄今都是非常冗長的過程，需要大量的計算器模擬以進行比較，單一透鏡的計算可能就需要幾周甚至幾個月之久。但是，利用神經網絡，研究人員能夠在幾秒鐘內完成相同的分析，他們利用NASA的哈勃望遠鏡和仿真實驗室的真實圖像進行了演示。
為了訓練神經網絡尋找的能力，研究人員展示了約一百萬個引力透鏡的仿真圖像信息。經過訓練后，神經網絡能夠以幾乎瞬時的精確度做分析。
研究人員稱測試中的神經網絡將“為未來的數據洪流做好準備”。
KIPAC的NASA哈勃望遠鏡博士后研究員，同時也是該研究論文作者之一的Yashar Hezaveh表示，目前他們正在測試三個公開的神經網絡和一個他們自行開發(fā)的神經網絡，旨在確定每個透鏡信息屬性，包括其質量分布，以及背景星系影像放大了多少倍。
能夠快速，全面自動化地篩選大量數據和進行復雜分析的能力，對未來的天文學研究相當重要。Perreault Levasseur表示，目前沒有足夠的人力能及時分析所有這些數據。而神經網絡將幫助研究人員識別對象并快速地進行分析。
圖：具有數百層計算單元的人工智能神經網絡，每個圖層搜索輸入圖像中的某些特征(左邊)，最后一層提供了分析結果。研究人員使用了特定類型的神經網絡，稱為卷積神經網絡，其中每層的獨立計算單元(神經元，灰色球體)也被組織成將原始圖像信息捆綁成更大計算單位的二維平面。(來源：Greg Stewart / SLAC國家加速器實驗室)
神經網絡模擬人類人類大腦的密集網絡以迅速處理和分析信息。在人工智能神經網絡中，“神經元”是與正在分析的圖像的像素相關聯的單個計算單元。神經元可深達數百層，每個圖層均搜索圖像中的特征。一旦第一層已經找到某個特征，便將信息傳輸到下一層，然后搜索該特征中的另一個特征，依此類推。
“令人驚訝的是，神經網絡自行學習了需要尋找的功能，”KIPAC的科學家Phil Marshall說，他同時是此次論文的共同作者?！斑@與小孩子學會識別對象的方式是一樣的，你不必告訴他們什么是狗，只需要向他們展示狗的照片。即可”
在這種情況下，Hezaveh則形容道：“神經網絡不僅能從一堆照片中挑選出狗的照片，還返饋了有關狗的體重、身高和年齡等信息?！?/p>
研究人員透露，盡管KIPAC的科學家是在斯坦福研究計算中心的Sherlock高性能計算集群上進行測試，但他們也能在筆記本計算機，甚至手機上完成計算。事實上，他們測試的神經網絡之一就是設計用于在iPhone上運作的。
一位任職于KIPAC的教師Roger Blandford指出，過去神經網絡曾被應用在天體物理學之中，但結果并不理想。不過，和最新的圖形處理單元或GPU結合的新算法可以產生更快速和可靠的結果。未來這將成為天體物理學等領域處理更多數據分析的理想方法。
a&s傳媒是全球知名展覽公司法蘭克福展覽集團旗下的專業(yè)媒體平臺，自1994年品牌成立以來，一直專注于安全&自動化產業(yè)前沿產品、技術及市場趨勢的專業(yè)媒體傳播和品牌服務。從安全管理到產業(yè)數字化，a&s傳媒擁有首屈一指的國際行業(yè)展覽會資源以及豐富的媒體經驗，提供媒體、活動、展會等整合營銷服務。
粵公網安備 44030402000264號
