跳到主要内容

脑状的神经网络在Breakneck速度下学习 - 天文空间站扭曲

 神经网络
首次,研究人员使用神经网络来分析引力镜头,表征时空中的扭曲比传统方法更快地速度为1000万次。 (图片信用:Greg Stewart / Slac National Accelerator实验室)

研究人员使用了大脑的“神经网络”来分析时空的关键扭曲,比传统方法更快地速度增加1000万次。

新的研究训练了人工智能系统,以检查来自哈勃 - 天文空间站望远镜的图像中的重力镜片的特征以及模拟图像。该过程可以给研究人员更好地瞥见群众在银河系中的分配方式,并提供遥远的半乳扁物体的特写镜头。

“分析通常需要数周到的时间来完成,需要专家的投入和计算苛刻的时间,可以通过神经网络在一秒钟的一小部分内完成,以一种全自动的方式,原则上,在手机上电脑芯片,“新学习的共同作者Laurence Perreault Levasseur在一份声明中表示。 Perreault Levasseur是Kavli粒子粒子物理学和宇宙学院(KIPAC)研究员,该研究员是美国能源部的联合研究所,加利福尼亚州的斯坦福大学。 [引力透镜 在'hubblecast'(视频)中雄辩描述]

机会对齐密度对象和背景星系可以创造 引力镜片 —背景的自然放大率作为其光线围绕前景的质量弯曲。结果,有时会导致扭曲的光环 叫爱因斯坦戒指,可以分析以了解远方系统本身和在其前面的物体的质量。这特别方便 了解暗物质虽然不能直接观察,但是可以充当焦点背景星系的“镜头”。

科学家们正在发现更多和更多这些镜头,斯拉克研究人员望远镜调查 在声明中说。然而,分析系统学习对象的属性是一个长期繁琐的过程,可以将镜头图像与模拟进行比较并尝试重新创建导致它们的条件。

研究人员说,神经网络可以在几秒钟内发现镜头的性质而不是数周或数月的分析,而不是几周或几个月的分析。

在一个名为重力镜头的过程中,哈勃太空望远镜“弯曲”围绕着致密的前景对象捕获的星系。研究人员使用这些图像来测试神经网络的性能,以了解镜头的属性。 (图片信用:Yashar Hezaveh / Laurence Perreault Levasseur / Phil Marshall / Stanford / Slac National Accelerator实验室; NASA / ESA)

镜头训练

神经网络通过用特定的人工智能系统开放人工智能系统 脑激发架构 对于给定属性的数百万或数十亿个例子,因此帮助研究人员了解如何在其他情况下识别这些属性。例如,显示一个神经网络越来越多的狗照片将允许它越来越准确地识别狗,而无需研究人员告诉网络的细节要注意。

此过程也可用于更复杂的任务。例如,谷歌的alphaGo程序显示了大量的GO游戏来分析和处理,最终 击败了一个世界冠军 复杂的比赛。由于掌握,传统的计算机程序已经摇摇欲坠 极端数量可能的移动.

在这项研究中,研究人员在一天的过程中显示了大约半百万个模拟的重力镜头图像的神经网络系统。然后,他们在新镜头上测试了网络,并发现非常快速和准确的分析。

“我们测试的神经网络—三个公开可用的神经网络和我们开发的一个—能够确定每个镜头的性质,包括如何分配其质量,并且它放大了背景银河的形象,“这项研究的牵头作者Yashar Hezaveh也是Kipac的研究员在该声明中表示。

研究人员说,虽然神经网络已经应用于天体物理学,但它们很少在这种复杂程度上使用。例如,他们已被用于识别图像是否包含引力镜头,而不是分析它。

“就好像[研究的神经网络]不仅从一堆照片中挑选了狗的照片,还返回了有关狗的体重,身高和年龄的信息,”Hezaveh说。

虽然分析是用高性能计算集群进行的,但研究人员表示可以用更少的处理能力来完成—例如,在笔记本电脑上甚至是手机。并作为 越来越多的天文数据 要求考试,这样的过程可能成为尽可能从洪水学习的重要工具。

“神经网络已经应用于过去的天体物理问题,混合结果”,“kipac研究员Roger Blandford在该纸上表示,在声明中表示。 “但新的算法与现代图形处理单元或GPU相结合,可以产生极快可靠的结果,因为本文解决的引力镜片问题显着展示。这将是相当乐观的,这将成为许多数据选择的方法。天体物理与其他领域的处理与分析问题。“

新工作 8月30日详细说明 在杂志自然。

[email protected]发送电子邮件sarah lewin或跟随她  @sarahexplains. . Follow us  @spacedotcom. ,  Facebook  and  Google+ 。原文文章  Space.com. .

加入我们的 - 天文空间站论坛 保持最新任务,夜空和更多的谈话 - 天文空间站!如果您有新闻提示,更正或评论,请告诉我们: [email protected]