LeCun轉帖，AI精確計算宇宙「設定」，登Nature子刊

編輯 | 白菜葉

讓「AI 告訴你宇宙中有什麼？」

Meta 首席人工智慧科學家、圖靈獎得主 Yann LeCun 在 X 上轉發了紐約大學物理系教授 Shirley Ho 的帖子。

Ho 在帖子中表示她所在的由 Changhoon Hahn 領導的 SimBIG 團隊新發布了一篇論文。他們藉助 AI 模擬宇宙，產生了許多新見解。

「這是第一次透過光譜望遠鏡 (Sdssurveys) 很好地模擬了宇宙，以便將其與實際宇宙進行比較！我們模擬了 20,000 個這樣的宇宙！」她表示，「對於每個模擬宇宙，它都會為你提供彙總統計資料 (x) 和模擬的基本屬性 (y)。然後我們使用這 20,000 對 (x,y) 來訓練 AI，以計算後驗 P (y | x )。」

「現在，你可以為這個 AI 提供來自真實觀測到的宇宙的觀測彙總統計資料 (x')，這裡是具有適當誤差的宇宙基本引數。」她說。

該研究以「Cosmological constraints from non-Gaussian and nonlinear galaxy clustering using the SimBIG inference framework」為題，於 2024 年 8 月 21 日釋出在《Nature Astronomy》。

論文連結：https://www.nature.com/articles/s41550-024-02344-2

標準 ΛCDM 宇宙學模型預測存在冷暗物質，而目前宇宙的加速膨脹是由暗能量驅動的。該模型最近受到了學界專家的審查，因為在測量宇宙膨脹和增長曆史時存在矛盾，這些測量使用 H0 和 S8 引數化。

星系的三維聚類編碼瞭解決這些緊張關係的關鍵宇宙學資訊。論文中，研究人員使用基於模擬的推理提出了一組宇宙學約束，該推理利用了星系聚類中非線性尺度上的額外非高斯資訊，而這些資訊是當前分析無法獲得的。

研究人員使用 SimBIG 分析了重子振盪光譜巡天 (BOSS) 星系巡天的一個子集，SimBIG 是一種利用高保真模擬和深度生成模型進行宇宙學推斷的新框架。

LeCun轉帖，AI精確計算宇宙「設定」，登Nature子刊影片連結：https://mp.weixin.qq.com/s/SE9Uo88kvSqD2YLM57i-hg

影片：將用於訓練 SimBIG 的模擬宇宙中的星系分佈（右）與真實宇宙中看到的星系分佈（左）進行了比較。（來源：SimBIG 團隊）

該團隊在標準功率譜之外使用了兩個聚類統計資料：雙譜和基於卷積神經網路的星系場總結。他們對 H0 和 S8 的約束比功率譜分析嚴格 1.5 倍和 1.9 倍。

圖示：利用人工智慧揭示宇宙引數。（來源：論文）

憑藉這種更高的精度，該團隊的約束與其他宇宙探測器的約束相比具有競爭力，即使只有整個 BOSS 體積的 10%。

Ho 表示，在使用相同資料的情況下對引數進行更嚴格的約束對於研究從暗物質的成分到驅使宇宙分裂的暗能量的性質等所有事物都至關重要。

「每項調查都耗資數億至數十億美元。」Ho 說，「這些調查存在的主要原因是我們希望更好地理解這些宇宙學引數。所以如果你從非常實際的角度考慮，這些引數每個都價值數千萬美元。你希望儘可能進行最佳分析，從這些調查中提取儘可能多的知識，並突破我們對宇宙理解的界限。」

研究人員用 SimBIG 分析了 BOSS 測量的 109,636 個真實星系。該模型利用資料中的小尺度和大尺度細節來提高其宇宙學引數估計的精度。

這些估計非常精確，相當於使用大約四倍星系的傳統分析。Ho 說，這很重要，因為宇宙中的星系數量是有限的。透過用更少的資料獲得更高的精度，SimBIG 可以突破可能的極限。

Hahn 表示，該研究的高精度的一個重要應用就是宇宙危機，即所謂「哈勃張力」。這種張力源於對哈勃常數的不匹配估計，哈勃常數描述了宇宙中所有物質的擴散速度。

計算哈勃常數需要使用「宇宙標尺」來估算宇宙的大小。基於遙遠星系中爆炸恆星（稱為超新星）的距離進行的估算比基於宇宙最古老光的波動間隔進行的估算高出約 10%。

將這些調查資料與 SimBIG 配對可以更好地揭示哈勃張力的程度，以及這種不匹配是否可以解決，或者是否需要修改宇宙模型，Hahn 表示，「如果我們非常精確地測量這些量，並且可以肯定地說存在張力，那麼這可能會揭示有關暗能量和宇宙膨脹的新物理學。」

未來的工作，研究人員將把 SimBIG 擴充套件到即將進行的光譜星系調查（DESI、PFS、歐幾里得），這將產生改進的宇宙學約束，從而加深對宇宙張力的理解。

相關文章