这是由一个国际研究小组开发的一种新的宇宙三维模型：速度快、精度高，并能做出从未经过编程的预测。该系统的创造者不知道深层密度位移模型(D3M)如何能够模拟暗物质的变化，而它也从来没有学过如何计算暗物质的变化。

人工智能(AI)正在模拟从超新星爆炸到外星恒星周围系外行星的形成等天文事件。现在，研究人员正在利用人工智能的力量来模拟整个宇宙，结果令人惊讶。正如预期的那样，该模型很快证明了自己比以前的系统更快、更准确。然而，没有人类操作员训练D3M来做到这一点，人工智能证明了自己有能力用不同程度的暗物质来描述宇宙模型，这让研究人员感到困惑。

[caption id="attachment_41803" align="aligncenter" width="880"] 在星系团macs j0416.1-2403的图像中，可以看到一种柔和的光线，它是恒星在重力作用下脱离其恒星家族的产物。离开星系后，恒星在由局部引力决定的区域内排列，这可能揭示宇宙中暗物质的模式。图片来源：NASA、ESA和M.Montes（新南威尔士大学）[/caption]

“这就像在教学图像识别软件时，使用许多猫和狗的图片，但这样它就能够识别大象。没有人知道它是如何做到这一点的，这是一个巨大的谜团有待解决，”费特隆研究所计算天体物理学中心的小组负责人、卡内基梅隆大学的副教授何雪莉说。

谨向M-5机组致意

在自然界的四种基本力(引力、电磁力、强弱力)中，引力在遥远物体之间的相互作用中起着最大的作用。因此，开发D3M系统的研究人员将重点放在引力对宇宙的影响上。

这样的模型需要研究人员进行数千次模拟，而最精确的模型则是研究数十亿个物体在宇宙年龄范围内的行为。

研究人员向D3M公司提供了8000个有史以来最精确的模拟。神经网络对数据进行计算，研究人员将这些结果与预期结果进行了比较。

在这次训练之后，D3M对每边6亿光年的盒子内的虚拟星系的行为进行了模拟。传统的更快的模型在2到3分钟内生成数据，更详细的场景需要数百小时才能生成结果，而D3M在不到1/30秒的时间内完成了任务。

与最知名的结果相比，速度更快的模型通常产生9.3%左右的错误率。相比之下，这个新系统产生的模型错误率仅为2.8%。

[caption id="attachment_41804" align="aligncenter" width="880"] 将人工智能驱动的D3M模型与前面的2LPT场景进行比较，可以发现D3M比前面的模型要精确得多。与较慢的模拟结果相比，这些图像揭示了这两种更快的模型之间的差异。与速度较慢的系统相比，深蓝色的点表示每次模拟速度之间的差异最小，而淡蓝色则表示与更精确的模型相比差异较大的区域。图片来源:何s等/《2019年美国国家科学院院刊》[/caption]

研究人员预计他们的系统的速度和精度将超过以前的模型。他们没有预料到的是，人工智能能够执行未经训练的场景。

为大量星系的行为建模需要非凡的计算能力，而详细的模拟可能需要几天时间才能完成。速度更快的模拟，能够在几分钟内返回结果，缺乏一些旧的、速度较慢的模型可能具备的细节和准确性。

D3M模型比其他模型，如二阶摄动理论(2LPT)，更精确地描述了引力对星系的引力效应。

“我们可以在几毫秒内运行这些模拟，而其他‘快速’模拟需要几分钟。不仅如此，我们更准确。”

计算机模拟被用来模拟大范围的天文场景，比如如果暗能量的数量随时间变化，星系将如何反应。

[caption id="attachment_41805" align="aligncenter" width="350"] 弗里茨·兹威基是一位远远领先于他那个时代的天文学家，他在20世纪30年代提出了一些在21世纪仍未解决的问题。在合理使用下使用的图像。[/caption]

暗物质提出了一个沉重的问题

当我们向外看宇宙时，我们所看到的所有恒星和星系都无法解释重力的影响。这一发现最早是弗里茨·兹威基在20世纪30年代初发现的，40年后又被维拉·鲁宾扩展。

[caption id="attachment_41806" align="aligncenter" width="350"] 维拉·鲁宾是天文学、天体物理学和宇宙学的先驱。在合理使用下使用的图像。[/caption]

今天，我们知道暗物质大约占宇宙中所有物质的27%，而所有普通物质只占不到总物质的5%。剩下的68%是暗能量，推动了宇宙的膨胀。

然而，暗物质的性质仍然难以捉摸。

暗物质可能根本不是由我们所熟悉的物质构成的。构成暗物质的物质可能会有所不同。它可能充满了理论预测的粒子，但是科学家们还没有观察到。——NASA解释说。

美国国家航空航天局-124fermi提供了有关暗物质的新见解——点击此处观看视频。

宇宙中最“无聊”的星系可能掌握着理解暗物质的秘密。来源:美国国家航空航天局戈达德

随着研究的继续，神经网络将变得越来越有价值的天文学家和天体物理学家寻求揭开宇宙的本质。这一令人惊讶的新发现可能会帮助那些希望同时推进机器学习和人工智能的研究人员。

我相信，在本世纪末，词汇的使用和受过一般教育的观点将发生巨大的变化，以至于人们能够谈论机器思考，而不会期望被反驳。”

―阿兰·图灵

“对于机器学习者来说，我们可以成为一个有趣的游乐场，来看看为什么这个模型推断得这么好，为什么它推断到大象而不仅仅只是识别猫和狗”。

暗物质和暗能量仍然是宇宙中最大的谜团之一。人工智能可能被证明对理解这个谜题至关重要——这是围绕我们所有人的宇宙中最基本的问题之一。