科学家利用类似人类大脑的“神经网络”来分析时空中一种被称为“引力透镜”的复杂畸变。新刊登在《自然》杂志的一篇论文中[1]，美国SLAC国家加速器实验室和斯坦福大学的研究人员表示，他们使用的人工智能的神经网络能以比传统方法快一千万倍的速度准确地分析引力透镜。
△引力透镜是爱因斯坦的引力理论中一个重要的预言。整个系统包括：观测者（Earth）、前景星系（Foreground galaxy）和遥远的背景星系（Distant galaxy）。（图片来源：Herschel ATLAS Gravitational Lenses）
根据爱因斯坦的广义相对论，当背景光源发出的光在大质量天体（如星系团）的引力场附近经过时，光线会发生弯曲。当前景大质量天体、背景星系与观察者恰好对齐时，光在前景大质量天体的周围发生弯曲，从而遥远的背景星系的图像会形成环形和弧形，背景星系被自然放大。
研究这种光的畸变有助于我们了解遥远星系的一些性质，以及前景大质量天体的质量等。分析引力透镜图像为我们掌握质量是如何在空间中分布、以及质量随着时间推移会如何变化的提供了重要线索，这尤其有助于暗物质的研究。因为虽暗物质不能被直接观测，却能以“透镜”的形式聚焦背景星系。
现在，科学家通过天文望远镜收集到越来越多与引力透镜相关的数据。然而想要通过这些数据来研究星体的一些性质是一个漫长的数据处理过程。论文的共同作者之一Laurence Perreault Levasseur 表示：“这种分析通常需要耗费的时间从几周到几个月的时间不等，而且还需从事这项分析的工作人员具备大量专业知识，对计算能力要求也很高。可运用这种神经网络则只需要几秒的时间，就能全自动化的完成整个分析过程。而且原则上来说，这种操作可以通过手机上的芯片就能完成。”
Kavli 粒子天体物理与宇宙学研究所（KIPAC）是SLAC实验室和斯坦福大学的一个联合研究所，这次的引力透镜研究就是由 KIPAC 的研究团队，使用人工智能神经网络来分析哈勃望远镜拍摄到的强引力透镜的图像和计算机模拟的图片来完成的。
在此之前，这种类型的分析一直都是一个冗长乏味的过程，它的工作包括将实际的透镜图像与大量数学透镜模型进行比对。比对一个透镜的数据就可能要需要几个星期到几个月的时间。
为了训练神经网络，让它们知道该找什么，研究人员用了大约一天的时间给它们展示了约50万个引力透镜的模拟图像，然后再用新的引力透镜来测试神经网络系统是否可以找到这些新透镜。结果发现，经过训练后的神经网络几乎能够以瞬间的速度找到并分析新的透镜，并且精准度与传统的分析方法相当。人造神经网络几乎完美的演示了闪电式复杂分析。在另一篇论文中[2]，研究人员还阐述了神经网络是如何计算分析中的误差的。
△哈勃太空望远镜捕捉到星系在“引力透镜”效应下被“弯曲”在致密的前景物体周围。研究员用这些图像来测试神经网络研究引力透镜的能力。（图片来源：Yashar Hezaveh et al.）
NASA 的研究员 Yashar Hezaveh 是这项研究的第一作者，他说：“我们测试过的神经网络里，有三个是公开可用的神经网络，还有一个是我们自己开发的神经网络，它们都能够确定每个透镜的属性，包括质量如何分布，以及将背景星系放大了多少倍数。”
虽然神经网络不是第一次被应用在天体物理学上，但这次研究还是远远超出了其近期在天体物理学中的应用。在此之前神经网络仅限于处理分类问题，比如识别图像中是否包含引力透镜，但不进行更多分析。KIPAC 的科学家 Phil Marshall 是这篇论文的合著者之一，他说：“神奇之处在于，神经网络是自己学会需要搜寻什么特征的，这与教小孩学习识别对象的方式很像。你不需要告诉他们狗是什么，只需给他们看一些狗的照片就可以了。” 但神经网络与孩子还不尽相同，Hezaveh 说：“神经网络能做的不仅是从一堆照片中选出狗的照片，还能向你反馈与狗相关的体重、身高和年龄等信息。”
△一个人工神经网络的示例，单个计算单元以数百层形式组合。每个图层搜索输入图像中的某些特征（左侧），最后一层提供分析结果。（图片来源：Greg Stewart, SLAC National Accelerator Laboratory）
神经网络的产生是受到人脑结构的启发，人类大脑密集的神经元网络能迅速处理和分析信息。在这个人造的神经网络中，一个“神经元”就是与被分析的图像的像素相关的单个计算元。这些神经元被安排成层状结构，可深达数百层。每一层搜索图像中的特征，一旦第一层已经找到某个特征，这个信息将被传输到下一层，下一层则开始在这个特征范围内继续搜索另一个特征，依次类推。
尽管 KIPAC 的研究员用的是斯坦福计算研究中心的 Sherlock 高性能计算集群进行的神经网络测试，但这个程序也可用在笔记本电脑、甚至手机上。事实上，其中一个被测试的神经网络就是被设计来用在iPhone上的。
这种能快速、全面、自动化地筛选大量数据并进行复杂分析的能力，可以改变天文物理学的研究方式，这对未来的巡天探测调查来说是非常必要的。因为我们将要看向更深层的宇宙，同时会产生前所未有大数量的数据。大型综合巡天望远镜（LSST）就是一个例子，它具有的32亿像素的相机目前正在SLAC实验室中搭建，它将为宇宙观测贡献无与伦比的视野，预计届时能够知晓的强引力透镜数量将从现在的几百个增加到几万个。
Perreault Levasseur 说：“我们没有足够的人能够用传统方法来及时分析所有的这些数据。 而神经网络将能帮助我们识别有趣的对象并进行快速分析。这将给我们提供更多的时间来提出与宇宙相关的正确的问题。”
KIPAC 的理论天体物理学家 Roger Blandford 说：“神经网络在过去已被应用于解决各种天体物理学问题，结果有好有坏。 但是，与现代图像处理器（GPU）相结合的新算法可以产生快速且可靠的结果，就像本文中介绍的处理引力透镜问题一样。我们有理由乐观的相信，这将成为需要处理和分析更多数据的天体物理学和其他领域的绝佳选择。”
