人工智能发现称重星系团的秘密方程式

高级研究所，Flatiron Institute的天体物理学家及其同事利用人工智能发现了一种更好的方法来估计巨大星系团的质量。人工智能发现，只需在现有方程中添加一个简单的项，科学家就可以产生比以前更好的质量估计。

改进后的估计将使科学家能够更准确地计算宇宙的基本性质，天体物理学家在《美国国家科学院院刊》上报道。

“这是一件简单的事情;这就是它的美妙之处，“该研究的共同作者Francisco Villaescusa-Navarro说，他是纽约市Flatiron Institute计算天体物理中心(CCA)的研究科学家。“尽管它如此简单，但以前没有人发现这个词。人们已经为此工作了几十年，但他们仍然无法找到这个。

这项工作由新泽西州普林斯顿高等研究所的Digvijay Wadekar以及来自CCA，普林斯顿大学，康奈尔大学和天体物理中心的研究人员领导 |哈佛和史密森尼。

了解宇宙需要知道哪里有多少东西。星系团是宇宙中质量最大的物体：单个星系团可以包含数百到数千个星系，以及等离子体，热气体和暗物质。星团的引力将这些组件结合在一起。了解这样的星系团对于确定宇宙的起源和持续演化至关重要。

也许决定星系团性质的最关键量是它的总质量。但是测量这个数量是困难的 - 星系不能通过将它们放在秤上来“称重”。这个问题更加复杂，因为构成星团质量大部分的暗物质是不可见的。相反，科学家从其他可观测的量中推断出星团的质量。

在1970年代初期，现任高级研究所自然科学学院杰出客座教授Rashid Sunyaev和他的合作者Yakov B. Zel'dovich开发了一种估计星系团质量的新方法。他们的方法依赖于这样一个事实，即当重力将物质挤压在一起时，物质的电子会向后推。

这种电子压力改变了电子与称为光子的光粒子相互作用的方式。当大爆炸余晖留下的光子击中挤压的材料时，相互作用会产生新的光子。这些光子的性质取决于重力压缩材料的强度，而重力又取决于星系团的重量。通过测量光子，天体物理学家可以估计星团的质量。

然而，这种“积分电子压力”并不是质量的完美代表，因为光子性质的变化因星系团而异。Wadekar和他的同事认为，一种名为“符号回归”的人工智能工具可能会找到更好的方法。该工具基本上尝试使用各种变量的不同数学运算符组合(例如加法和减法)，以查看哪个方程与数据最匹配。

Wadekar和他的合作者“喂养”了他们的人工智能程序，这是一个包含许多星系团的最先进的宇宙模拟。接下来，他们的程序由CCA研究员迈尔斯·克兰默(Miles Cranmer)编写，搜索并确定了可能使质量估计更准确的其他变量。

AI 可用于识别人类分析师可能忽略的新参数组合。例如，虽然人类分析师很容易识别数据集中的两个重要参数，但人工智能可以更好地解析大量数据，通常会揭示意想不到的影响因素。

“现在，很多机器学习社区都专注于深度神经网络，”Wadekar解释说。

“这些非常强大，但缺点是它们几乎就像一个黑匣子。我们无法理解他们身上发生了什么。在物理学中，如果某物给出了好的结果，我们想知道它为什么这样做。符号回归是有益的，因为它搜索给定的数据集并以您可以理解的简单方程的形式生成简单的数学表达式。它提供了一个易于解释的模型。

研究人员的符号回归程序给了他们一个新的方程，该方程能够通过在现有方程中添加一个新项来更好地预测星系团的质量。Wadekar和他的合作者随后从这个AI生成的方程中逆向工作，并找到了物理解释。

他们意识到气体浓度与质量推断不太可靠的星系团区域相关，例如潜伏着超大质量黑洞的星系核心。他们的新方程通过淡化这些复杂核心在计算中的重要性来改进质量推断。从某种意义上说，星系团就像一个球形甜甜圈。

新方程提取甜甜圈中心的果冻，这可能会引入更大的误差，而是专注于面团郊区以获得更可靠的质量推断。