美國(guó)能源部SLAC國(guó)家加速器實(shí)驗(yàn)室和斯坦福大學(xué)(Stanford University)的最新研究首次表明，人工智能神經(jīng)網(wǎng)絡(luò)能夠可以準(zhǔn)確地分析引力透鏡(gravitational lenses)的復(fù)雜畸變，且速度比傳統(tǒng)方法快1,000萬(wàn)倍?？茖W(xué)家表示，過去需要數(shù)周到數(shù)個(gè)月才能完成，且需要專家和高端計(jì)算設(shè)備的分析工作，通過神經(jīng)網(wǎng)絡(luò)將能在幾分之一秒內(nèi)以完全自動(dòng)的方式完成。
“原則上，這些復(fù)雜的計(jì)算工作還能在手機(jī)芯片中完成?！眳⑴c該研究的博士后研究員Laurence Perreault Levasseur說。這項(xiàng)研究稍早前已發(fā)表在《自然》期刊中。
該研究由斯坦福大學(xué)的Kavli粒子天體物理與宇宙學(xué)研究所(KIPAC)和SLAC國(guó)家加速器實(shí)驗(yàn)室共同進(jìn)行，他們使用神經(jīng)網(wǎng)絡(luò)分析強(qiáng)引力透鏡的圖像──引力透鏡是愛因斯坦廣義相對(duì)論所描述的一種現(xiàn)象。當(dāng)光經(jīng)過遙遠(yuǎn)星系、星系團(tuán)及黑洞等具有巨大引力的天體附近時(shí)，會(huì)像通過凸透鏡一樣發(fā)生彎曲，稱為引力透鏡效應(yīng)。根據(jù)光線變化在光譜外波段呈現(xiàn)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(xué)家使用人工智能神經(jīng)網(wǎng)絡(luò)來分析時(shí)空中的復(fù)雜失真，稱之為引力透鏡。該方法比傳統(tǒng)分析快1,000萬(wàn)倍。(Greg Stewart / SLAC國(guó)家加速器實(shí)驗(yàn)室)
這種分析迄今都是非常冗長(zhǎng)的過程，需要大量的計(jì)算器模擬以進(jìn)行比較，單一透鏡的計(jì)算可能就需要幾周甚至幾個(gè)月之久。但是，利用神經(jīng)網(wǎng)絡(luò)，研究人員能夠在幾秒鐘內(nèi)完成相同的分析，他們利用NASA的哈勃望遠(yuǎn)鏡和仿真實(shí)驗(yàn)室的真實(shí)圖像進(jìn)行了演示。
為了訓(xùn)練神經(jīng)網(wǎng)絡(luò)尋找的能力，研究人員展示了約一百萬(wàn)個(gè)引力透鏡的仿真圖像信息。經(jīng)過訓(xùn)練后，神經(jīng)網(wǎng)絡(luò)能夠以幾乎瞬時(shí)的精確度做分析。
研究人員稱測(cè)試中的神經(jīng)網(wǎng)絡(luò)將“為未來的數(shù)據(jù)洪流做好準(zhǔn)備”。
KIPAC的NASA哈勃望遠(yuǎn)鏡博士后研究員，同時(shí)也是該研究論文作者之一的Yashar Hezaveh表示，目前他們正在測(cè)試三個(gè)公開的神經(jīng)網(wǎng)絡(luò)和一個(gè)他們自行開發(fā)的神經(jīng)網(wǎng)絡(luò)，旨在確定每個(gè)透鏡信息屬性，包括其質(zhì)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(dòng)化地篩選大量數(shù)據(jù)和進(jìn)行復(fù)雜分析的能力，對(duì)未來的天文學(xué)研究相當(dāng)重要。Perreault Levasseur表示，目前沒有足夠的人力能及時(shí)分析所有這些數(shù)據(jù)。而神經(jīng)網(wǎng)絡(luò)將幫助研究人員識(shí)別對(duì)象并快速地進(jìn)行分析。
圖：具有數(shù)百層計(jì)算單元的人工智能神經(jīng)網(wǎng)絡(luò)，每個(gè)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(jié)果。研究人員使用了特定類型的神經(jīng)網(wǎng)絡(luò)，稱為卷積神經(jīng)網(wǎng)絡(luò)，其中每層的獨(dú)立計(jì)算單元(神經(jīng)元，灰色球體)也被組織成將原始圖像信息捆綁成更大計(jì)算單位的二維平面。(來源：Greg Stewart / SLAC國(guó)家加速器實(shí)驗(yàn)室)
神經(jīng)網(wǎng)絡(luò)模擬人類人類大腦的密集網(wǎng)絡(luò)以迅速處理和分析信息。在人工智能神經(jīng)網(wǎng)絡(luò)中，“神經(jīng)元”是與正在分析的圖像的像素相關(guān)聯(lián)的單個(gè)計(jì)算單元。神經(jīng)元可深達(dá)數(shù)百層，每個(gè)圖層均搜索圖像中的特征。一旦第一層已經(jīng)找到某個(gè)特征，便將信息傳輸?shù)较乱粚?，然后搜索該特征中的另一個(gè)特征，依此類推。
“令人驚訝的是，神經(jīng)網(wǎng)絡(luò)自行學(xué)習(xí)了需要尋找的功能，”KIPAC的科學(xué)家Phil Marshall說，他同時(shí)是此次論文的共同作者?！斑@與小孩子學(xué)會(huì)識(shí)別對(duì)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(jīng)網(wǎng)絡(luò)不僅能從一堆照片中挑選出狗的照片，還返饋了有關(guān)狗的體重、身高和年齡等信息。”
研究人員透露，盡管KIPAC的科學(xué)家是在斯坦福研究計(jì)算中心的Sherlock高性能計(jì)算集群上進(jìn)行測(cè)試，但他們也能在筆記本計(jì)算機(jī)，甚至手機(jī)上完成計(jì)算。事實(shí)上，他們測(cè)試的神經(jīng)網(wǎng)絡(luò)之一就是設(shè)計(jì)用于在iPhone上運(yùn)作的。
一位任職于KIPAC的教師Roger Blandford指出，過去神經(jīng)網(wǎng)絡(luò)曾被應(yīng)用在天體物理學(xué)之中，但結(jié)果并不理想。不過，和最新的圖形處理單元或GPU結(jié)合的新算法可以產(chǎn)生更快速和可靠的結(jié)果。未來這將成為天體物理學(xué)等領(lǐng)域處理更多數(shù)據(jù)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(tuán)旗下的專業(yè)媒體平臺(tái)，自1994年品牌成立以來，一直專注于安全&自動(dòng)化產(chǎn)業(yè)前沿產(chǎn)品、技術(shù)及市場(chǎng)趨勢(shì)的專業(yè)媒體傳播和品牌服務(wù)。從安全管理到產(chǎn)業(yè)數(shù)字化，a&s傳媒擁有首屈一指的國(guó)際行業(yè)展覽會(huì)資源以及豐富的媒體經(jīng)驗(yàn)，提供媒體、活動(dòng)、展會(huì)等整合營(yíng)銷服務(wù)。
粵公網(wǎng)安備 44030402000264號(hào)
