由倫敦大學洛杉磯分校領導的研究小組利用人工智慧（AI）技術，從涵蓋過去70億年的宇宙中暗物質和可見物質的分佈圖中更精確地推斷出了暗能量的影響和特性。這項由暗能量勘測合作組織進行的研究將從地圖推斷宇宙關鍵特徵（包括暗能量的整體密度）的精確度提高了一倍。精確度的提高使研究人員能夠排除以前可能想像得到的宇宙模型。

暗能量是加速宇宙膨脹的神秘力量，被認為佔宇宙內容的70%左右（暗物質是看不見的東西，它的引力牽引著星系，佔25%，正常物質只佔5%）。

主要作者尼爾-傑弗裡（Niall Jeffrey）博士（UCL 物理與天文學）說：「利用人工智慧從電腦模擬的宇宙中學習，我們對宇宙關鍵屬性的估計精度提高了兩倍。如果沒有這些新技術，要實現這項改進，我們需要四倍的資料量。這相當於再繪製3億個星系的地圖”。

共同作者洛恩-懷特威博士（倫敦大學物理與天文學學院）說：”我們的發現符合目前對暗能量的最佳預測，即暗能量是一個’宇宙常數’，其值不會隨空間或時間而變化。不過，它們也為正確的不同解釋留出了靈活性。例如，我們的引力理論仍然可能是錯的。”

從其中一個模擬宇宙中得到的物質地圖。圖中最亮的區域表示暗物質密度最高的區域。這些區域與超星系團相對應。深色的幾乎是黑色的斑塊是宇宙空洞，也就是星系團之間的大片空隙。資料來源：尼爾-傑弗裡等人

完善宇宙學模型

與先前於2021年首次發表的暗能量勘測圖分析結果一致，這些研究結果表明，宇宙中的物質比愛因斯坦廣義相對論所預測的分佈得更平滑–更少有塊狀的情況。不過，與先前的分析相比，這項研究的差異並不那麼顯著，因為誤差條更大。

暗能量勘測圖是透過一種稱為弱重力透鏡的方法獲得的，即觀察來自遙遠星系的光線在到達地球的途中是如何被幹擾物質的引力彎曲的。

這項合作分析了1 億個星系形狀的扭曲，從而推斷出這些星系前景中所有物質（包括暗物質和可見物質）的分佈情況。由此繪製的地圖覆蓋了南半球四分之一的天空。

在這項新研究中，研究人員利用英國政府資助的超級計算機，根據暗能量調查物質地圖的數據，對不同的宇宙進行了模擬。每個模擬都有不同的宇宙數學模型作為基礎。

研究人員從這些模擬中創建了物質圖譜。一個機器學習模型被用來提取這些地圖中與宇宙學模型相關的資訊。第二個機器學習工具從許多不同宇宙學模型的模擬宇宙實例中學習，查看真實觀測數據，並給出任何宇宙學模型成為我們宇宙真實模型的幾率。

與以前的方法相比，這項新技術使研究人員能夠使用更多的地圖資訊。模擬在DiRAC 高效能運算（HPC）設施上運行，該設施由英國科技設施委員會（STFC）資助。

宇宙學的未來探索

下一階段的暗宇宙計畫–包括去年夏天啟動的歐洲太空總署（ESA）歐幾里德（Euclid）任務–將大大增加我們所掌握的有關宇宙大尺度結構的數據量，幫助研究人員確定宇宙出人意料的平滑是否是當前宇宙學模型錯誤的標誌，或者是否有其他解釋。

目前，這種平滑性與根據宇宙微波背景（CMB）–宇宙大爆炸時留下的光線–分析得出的預測結果不符。

暗能量勘測合作計畫由美國能源部費米國家加速器實驗室（Fermilab）主辦，來自七個國家25 個機構的400 多名科學家參與其中。

該合作項目利用世界上功能最強大的數位相機之一–5.7億像素暗能量相機（Dark Energy Camera）在六年時間裡（從2013年到2019年）拍攝的夜空照片，對數以億計的星系進行了編目。該相機的光學校正器由UCL 製造，並安裝在智利國家科學基金會Cerro Tololo 美洲天文台的望遠鏡上。

編譯自: ScitechDaily