德发展出人工智慧演算法 精细描绘出宇宙样貌
德国波茨坦市莱布尼兹天文物理研究所Francisco Kitaura等人发展出一套人工智慧演算法，可精细地描绘和解释我们周围的宇宙结构和动态。
天文学家通常利用大型望远镜扫视天空，将他们侦测到的数十万个星系按照它们的距离和座标会制成大尺度宇宙结构图。但天文学家发现这些星系似乎形成复杂而庞大的「宇宙网(cosmic web)」，星系们彼此聚集成团，每团之间还有丝状结构予以相连，而在其他地方则似乎是没有星系存在的空洞区域。这种结构让天文学家们相当疑惑，更遑论要去解释这种结构形成的原因。
造成这种宇宙网大尺度结构的主要原因是重力。重力主要来自两部分：第一部份是占宇宙所有组成仅约5%的普通物质(normal' matter)，一般我们所见的恒星、星系、行星和气体尘埃等「看得到」的部分都属此类；第二部分则是占宇宙所有组成23%、不可见的暗物质(dark matter)。
至于剩下的72%是神秘的暗能量(dark energy)则是被视为可与重力抗衡、让宇宙加速膨胀的最大力量来源。综合上述3种组成了我们现今的宇宙，这是所谓的Lambda Cold Dark Matter(LCDM)宇宙模型，也是Kitaura等人研究据以为本的起点。
经由测量137亿年前大霹雳(Big Bang)后的残余热能，即所谓的宇宙微波背景辐射(CMB或CMBR)，可以让天文学家测定本地星系群(Local Group)的运动。本地星系群是由数十个星系彼此间因重力牵引而组成的集团，我们所在的银河系和著名的仙女座星系(M31)都属于本地星系群之一。
天文学家们尝试尽量让宇宙模型预测的本地星系群物质及其重力分布状态，能和真实测量到的本地星系群的运动方式相互吻合，却因无法测绘出暗物质的分布，导致这项努力宣告失败。这就像利用人造卫星要描绘欧洲大陆地图，但使用的却是夜间的观测资料，只能看到比较明亮的灯光散布其中的城市，无法真正欧洲大陆全貌。
Kitaura等人为解决这个问题，发展了AI演算法，由CMBR模型中所见的宇宙密度微扰开始，模拟物质在130多亿年间逐渐向内塌缩而形成现今所见星系的方式。AI演算最后的模拟成果与真实观察所得的星系分布和运动状况相当接近。
Kitaura表示，经由AI演算的精密计算，显示本地星系群各星系的运动方向和约有80%的速度，可以用方圆3亿7000万光年范围内的物质所产生重力分布来解释。相较之下，本地星系群最大的星系—仙女座星系只有250万光年远，因此我们可以看见遥远的物质分布如何影响邻近的星系。
此外，这个AI演算的结果也与LCDM模型相符。为了解释剩下的20%的速度来源，必须考虑远达4亿6000万光年范围内的物质分布，但目前对这个距离范围的观测资料掌握的还不算很好，因此可信度不若前述3亿7000万光年距离者。虽然还有待改善，不过Kitaura等人的AI演算方式已经帮助天文学家得以更精确地了解我们周遭的宇宙，并能进一步研究宇宙的大尺度结构究竟是如何形成的。
图片说明：局部宇宙影像，每边都相当于3亿7000万光年。红圈标示2MRS巡天计划观测到的星系位置，这个巡天计划总共测量了超过45000个星系的位置和距离。蓝圈标则是星系随机点，嵌入图中以便将被银河系富含气体尘埃的盘面所遮蔽的「回避带(zone of avoidance)」位置标示出来。而黑白明暗的背景则是Kitaura等人利用AI演算法模拟出的星系宇宙网。从此图中可见实际观测资料与A演算结果相当接近。(文／引用自台北天文馆之网路天文馆网站)