引力透镜效应是指空间中一个遥远天体的图像(如星系)被大质量天体的引力扭曲和放大,例如一个星系群在一个较小、遥远天体的前面就会引发这种效应。这种有用的现象能帮助科学家发现太阳系外行星、了解星系进化、找到超亮星系、探测黑洞,还证明了爱因斯坦的理论是正确的。但分析受引力透镜影响的图像需要研究人员将真实图像与模拟图像进行比较,所以用时很长。分析一个引力透镜效应就可能就需要几周或几个月的时间。
但是美国斯坦福大学的研究人员利用斯坦福直线加速器中心(SLAC)的粒子加速器已经找到了一种方法,可以将这个时间缩短到1秒。研究团队花了一天的时间用50万个模拟透镜效应图像训练神经网络,然后用四种不同的类型测试该神经网络,发现其能够从图像中提取信息,准确度可媲美传统方法。
“令人惊讶的是,神经网络可以通过自学来确定需要研究什么特征。”该项目研究人员在一份文件中说,“这与小孩子学习识别物体的方式类似。我们不会确切地告诉他们狗是什么,只用给他们看狗的照片。”另一位研究人员补充道,“这就好像他们不仅从一堆照片中挑选出了狗的照片,而且还返回了关于狗的体重、身高和年龄的信息。”
随着新型望远镜的问世,将来一定会发现越来越多引力透镜的例子,对所有数据进行筛选就需要像这样的更快方法。重要的是,在笔记本电脑或手机上就可以进行神经网络分析。
该研究团队的研究成果于近期发表在《自然》(Nature)杂志上,第二篇论文目前正在《天体物理学杂志通讯》(The Astrophysical Journal Letters)杂志审稿中。