用人工智慧描繪宇宙樣貌

德國波茨坦市萊布尼茲天文物理研究所（Leibniz Institute for Astrophysics）Francisco Kitaura等人發展出一套人工智慧演算法（artificial intelligence algorithm），可精細地描繪和解釋我們周圍的宇宙結構和動態。

天文學家通常利用大型望遠鏡掃視天空，將他們偵測到的數十萬個星系按照它們的距離和座標會製成大尺度宇宙結構圖。但天文學家發現這些星系似乎形成複雜而龐大的「宇宙網（cosmic web）」，星系們彼此聚集成團，每團之間還有絲狀結構予以相連，而在其他地方則似乎是沒有星系存在的空洞區域。這種結構讓天文學家們相當疑惑，更遑論要去解釋這種結構形成的原因。

造成這種宇宙網大尺度結構的主要原因是重力。重力主要來自兩部分：第一部份是佔宇宙所有組成僅約5%的普通物質（normal’ matter），一般我們所見的恆星、星系、行星和氣體塵埃等「看得到」的部分都屬此類；第二部分則是佔宇宙所有組成23%、不可見的暗物質（dark matter）。至於剩下的72%是神秘的暗能量（dark energy）則是被視為可與重力抗衡、讓宇宙加速膨脹的最大力量來源。綜合上述三種組成了我們現今的宇宙，這是所謂的Lambda Cold Dark Matter（LCDM）宇宙模型，也是Kitaura等人研究據以為本的起點。

經由測量137億年前大霹靂（Big Bang）後的殘餘熱能，即所謂的宇宙微波背景輻射（Cosmic Microwave Background Radiation，CMB或CMBR），可以讓天文學家測定本地星系群（Local Group）的運動。本地星系群是由數十個星系彼此間因重力牽引而組成的集團，我們所在的銀河系和著名的仙女座星系（Andromeda Galaxy，M31）都屬於本地星系群之一。天文學家們嘗試盡量讓宇宙模型預測的本地星系群物質及其重力分佈狀態，能和真實測量到的本地星系群的運動方式相互吻合，但卻因無法測繪出暗物質的分佈，導致這項努力宣告失敗。這就像利用人造衛星要描繪歐洲大陸地圖，但使用的卻是夜間的觀測資料，只能看到比較明亮的燈光散佈其中的城市，無法真正歐洲大陸全貌。

Kitaura等人為解決這個問題，發展了AI演算法，由CMBR模型中所見的宇宙密度微擾開始，模擬物質在130多億年間逐漸向內塌縮而形成現今所見星系的方式。AI演算最後的模擬成果與真實觀察所得的星系分佈和運動狀況相當接近。

Kitaura表示：經由AI演算的精密計算，顯示本地星系群各星系的運動方向和約有80%的速度，可以用方圓3億7000萬光年範圍內的物質所產生重力分佈來解釋。相較之下，本地星系群最大的星系—仙女座星系只有250萬光年遠，因此我們可以看見遙遠的物質分佈如何影響鄰近的星系。

此外，這個AI演算的結果也與LCDM模型相符。為了解釋剩下的20%的速度來源，必須考慮遠達4億6000萬光年範圍內的物質分佈，但目前對這個距離範圍的觀測資料掌握的還不算很好，因此可信度不若前述3億7000萬光年距離者。雖然還有待改善，不過Kitaura等人的AI演算方式已經幫助天文學家得以更精確地瞭解我們周遭的宇宙，並能進一步研究宇宙的大尺度結構究竟是如何形成的。

圖片說明：局部宇宙影像，每邊都相當於3億7000萬光年。紅圈標示2MRS巡天計畫觀測到的星系位置，這個巡天計畫總共測量了超過45000個星系的位置和距離。藍圈標則是星系隨機點，嵌入圖中以便將被銀河系富含氣體塵埃的盤面所遮蔽的「迴避帶（zone of avoidance’）」位置標示出來。而黑白明暗的背景則是Kitaura等人利用AI演算法模擬出的星系宇宙網。從此圖中可見實際觀測資料與A演算結果相當接近。Credit: Francisco Kitaura, Leibniz Institute for Astrophysics, Potsdam

資料來源：Using artificial intelligence to chart the universe. Royal Astronomical Society [24 September 2012]

轉載自網路天文館