类大脑神经网络以惊人的速度研究时空扭曲
研究人员首次使用神经网络来分析引力透镜，以比传统方法快1000万倍的速度来描述时空扭曲。（格雷格·斯图尔特/斯拉克国家加速器实验室）研究人员使用类似大脑的“神经网络”来分析时空中的关键扭曲，比传统方法快1000万倍。
这项新的研究训练了一个人工智能系统来检测图像中称为引力透镜的特征来自哈勃太空望远镜以及模拟图像。这一过程可以让研究人员更好地了解星系中质量的分布情况，并提供遥远星系物体的特写镜头。
分析通常需要几周到几个月的时间才能完成，需要专家的输入和计算上的要求，可以通过神经网络在几秒钟内完成，这项新研究的合著者劳伦斯·佩罗·莱瓦瑟在一份声明中说：“这项研究完全自动化，原则上是在手机的电脑芯片上进行的。”。Perreault Levasseur是Kavli粒子天体物理学和宇宙学研究所（KIPAC）的研究员，该研究所是美国能源部SLAC国家加速器实验室和加州斯坦福大学的联合研究所。[引力透镜效应]在“HubBeCaster”（视频）中“雄辩地描述”致密物体和背景星系的“KdSPE”“KdSPS”机会排列可以产生引力透镜，这是背景的自然放大，因为它的光在前景的质量周围弯曲。产生的扭曲光环，有时被称为爱因斯坦光环，可以被分析来了解遥远的系统本身和它前面经过的物体的质量。SLAC研究人员在声明中说，这对于理解暗物质是特别方便的，虽然它不能直接观察到，但它可以充当聚焦背景星系的“透镜”。然而，对系统进行分析以了解物体的特性是一个漫长而乏味的过程，将镜头图像与模拟图像进行比较，并试图重新创造导致这些现象的条件。
而不是对单个镜头进行数周或数月的分析，神经网络可以在几秒钟内找到镜头的特性，研究人员说，由哈勃太空望远镜拍摄的“KdSPE”“KdSPs”“KdSPE”星系在一个叫做引力透镜的过程中“围绕”密集的前景物体“弯曲”。研究人员利用这些图像来测试神经网络的性能，以了解镜片的特性。（Yashar Hezaveh/Laurence Perreault Levasseur/Phil Marshall/Stanford/SLAC国家加速器实验室；NASA/ESA）镜头训练
神经网络通过向数百万或数十亿个给定属性的例子展示具有特定大脑激发结构的人工智能系统来工作，从而帮助研究人员学习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的照片将使它能够越来越准确地识别狗，而不需要研究人员告诉网络哪些细节需要注意。
这个过程也可以用于更复杂的任务。比如，谷歌的AlphaGo程序就展示了大量的围棋游戏进行分析和处理，最终击败了一个世界冠军的复杂游戏。传统的计算机程序在掌握围棋时由于可能出现的极端移动次数而步履蹒跚。
在这项研究中，研究人员向神经网络系统展示了一天中大约50万张模拟重力透镜图像。然后，他们在新的镜头上测试了这些网络，并发现了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自己开发的一个-是abl为了确定每个透镜的性质，包括它的质量是如何分布的，以及它放大了背景星系的图像的程度，这项研究的主要作者，也是KIPAC的研究员Yashar Hezaveh在声明中说，
虽然神经网络以前已经被应用到天体物理学中，但现在很少使用它们研究人员说，复杂性水平。例如，他们被用来识别图像是否包含引力透镜，但不是用来分析它。
“这就好像[研究的神经网络]不仅从一堆照片中提取了狗的照片，而且还返回了狗的体重、身高和年龄的信息，”赫扎夫说。
虽然分析是研究人员说，如果使用高性能的计算集群，就可以用更少的处理能力——例如，在笔记本电脑甚至手机上。随着越来越多的天文数据需要检验，这样的过程可能成为尽可能多地从洪水中学习的重要工具。
“神经网络过去曾被应用于天体物理问题，结果喜忧参半，”KIPAC研究员Roger Blandford，他不是这篇论文的作者，在声明中说但是，结合现代图形处理单元（gpu）的新算法可以产生非常快速和可靠的结果，正如本文所解决的引力透镜问题所戏剧性地证明的那样。人们相当乐观地认为，这将成为天体物理学和其他领域中更多数据处理和分析问题的首选方法。
这项新工作在8月30日的《自然》杂志上有详细介绍。
发电子邮件给Sarah Lewin at slievin@space或关注她@sarahexplants。关注我们@Spacedotcom，Facebook和Google+。关于太空的原始文章。“
绛旓細鑴戞濈淮閫熷害鏈夐珮闄 浜轰滑甯哥敤鈥滅伒鏈轰竴鍔ㄨ涓婂績鏉モ濊〃绀轰汉鐨勬濈淮鐨勬晱鎹凤紝浣嗘槸锛岃鍦ㄥ痉鍥芥牸寤锋牴鐨勯┈鍏嬫柉鈥旀櫘鏈楀厠鍗忎細鎵灞炵殑娴佷綋鎵鐨勭瀛﹀鍙戠幇锛澶ц剳鐨勬濈淮閫熷害鏈変竴涓珮闄愩浜鸿剳鐨勭缁忕綉缁鏄敱绁炵粡鑵辩粍鎴愮殑锛屾暣涓綉缁滃舰鎴愪簡寰堝寮鍏炽傚鏋滅缁忚叡涔嬮棿杩炴帴绱у瘑锛屼粬浠鐞嗕俊鎭鐨勯熷害灏卞揩锛屼絾鏃犺绁炵粡鑵变箣闂寸殑...
绛旓細浜鸿剳锛岃繖涓笘鐣屼笂鏈绮惧瘑銆佹渶鐏垫晱鐨勫櫒瀹橈紝鎷ユ湁绾2鍗冧嚎涓剳缁嗚優鍜1鍗冧嚎鏉℃綔鍦ㄨ鎭瓨鍌ㄧ┖闂淬傚畠浠ユ儕浜虹殑閫熷害姣忓皬鏃跺鐞嗕俊鎭紝楂樿揪涓夌櫨澶氶噷锛屾嫢鏈夎秴杩1鐧惧厗鐨勫鏉绁炵粡缃戠粶锛屾瘡24灏忔椂浜х敓澶氳揪4鍗冪鎬濇兂銆傜瀛鐮旂┒鎻ず锛屾垜浠氬父鍙埄鐢ㄤ簡鑴戝姏鐨5%锛屽叾浣95%鐨勬綔鑳界瓑寰呰寮鍙戯紝杩欏鑴戝姏鍜屾綔鑳界殑琛ㄧ幇鍏锋湁鍐冲畾鎬у奖鍝...
绛旓細闈╂柊绐佺牬锛绁炵粡缃戠粶寮曢宀╃煶鏍锋湰鑷姩鍖栬瘑鍒 Skoltech鐨鐮旂┒鍥㈤槦鎴愬姛鐮斿彂浜嗕竴椤归潻鍛芥х殑鎶鏈紝浠栦滑璁粌鐨勬繁搴﹀涔犵缁忕綉缁滃湪璇嗗埆鏍稿績鐩掑浘鍍忎腑鐨勫博鐭虫牱鏈笂瀹炵幇浜嗘樉钁楃殑鎻愬崌銆傝繖涓獊鐮存ф垚鏋滀笉浠呭皢鍒嗘瀽閫熷害鎻愰珮浜鎯婁汉鐨20鍊嶏紝杩樺紑鍚簡宀╃煶鏍锋湰鎻忚堪鐨勮嚜鍔ㄥ寲鏃朵唬锛屼负鍦拌川鐮旂┒鎻愪緵浜嗗墠鎵鏈湁鐨勬晥鐜囥傝繖涓鍒涙柊琚簲鐢ㄥ湪...
绛旓細绫昏剳鏅鸿兘锛岄【鍚嶆濅箟锛屾寚鐨勬槸涓绉嶆ā浠夸汉绫诲ぇ鑴戝伐浣滄満鍒剁殑鏅鸿兘鎶鏈傚畠涓嶅悓浜庝紶缁熺殑璁＄畻鏅鸿兘锛屽悗鑰呬富瑕佸熀浜庨昏緫杩愮畻鍜屾暟鎹鐞嗭紝鑰岀被鑴戞櫤鑳藉垯鏇村姞渚ч噸浜庢ā鎷澶ц剳鐨勭缁忕綉缁缁撴瀯鍜屼俊鎭鐞嗘柟寮忋備粠缁撴瀯涓婃潵鐪嬶紝绫昏剳鏅鸿兘閫氳繃鏋勫缓澶嶆潅鐨勭缁忕綉缁滄ā鍨嬶紝鏉ユā鎷浜鸿剳涓缁忓厓涔嬮棿鐨勮繛鎺ュ拰閫氫俊鏈哄埗銆傝繖浜涚缁忕綉缁滄ā鍨...
绛旓細鍦–VPR 2024鐨勭拃鐠ㄨ垶鍙颁笂锛屾竻鍗庡ぇ瀛︾鐮斿洟闃浠ユ儕浜虹殑閫熷害鎻紑浜嗙Щ鍔ㄧ绁炵粡缃戠粶鏂扮邯鍏冣斺擱epViT锛岃繖娆鹃潻鍛芥х殑鏋舵瀯鍦1.3姣鐨勫欢杩熶笅锛屼互鍗撹秺鎬ц兘瓒呰秺浜嗘墍鏈夎瑙塗ransformer锛圴iT锛夌殑鍓嶄綔銆傛潵鑷狢Vhub鐨勬淳娲炬槦鍥㈤槦锛屽皢杞婚噺绾х殑ViT鏋舵瀯涓嶮obileNetV3鐨勭簿楂撳阀濡欒瀺鍚堬紝瀛曡偛鍑轰簡涓涓函姝ｇ殑杞婚噺绾NN澶у鏃忥紝璧嬩簣浜...
绛旓細1965骞碝. Minsky鍜孲. Papert鍦ㄣ婃劅鐭ユ満銆嬩竴涔︿腑鎸囧嚭鎰熺煡鏈虹殑缂洪櫡骞惰〃绀哄嚭瀵硅繖鏂归潰鐮旂┒鐨勬偛瑙傛佸害锛屼娇寰绁炵粡缃戠粶鐨勭爺绌浠庡叴璧锋湡杩涘叆浜嗗仠婊炴湡锛岃繖鏄缁忕綉缁滃彂灞曞彶涓婄殑绗竴涓浆鎶樸傚埌浜20涓栫邯80骞翠唬鍒濓紝J.J. Hopfield鐨勫伐浣滃拰D. Rumelhart绛変汉鐨凱DP鎶ュ憡鏄剧ず鍑虹缁忕綉缁滅殑宸ㄥぇ娼滃姏锛屼娇寰楄棰嗗煙鐨勭爺绌朵粠鍋滄粸...
绛旓細鎻ず瑙嗚濂ョ锛氫汉宸澶ц剳鎻ず杩愬姩閿欒鑳屽悗鐨勭湡鐩镐竴椤瑰垱鏂扮殑浜哄伐鏅鸿兘鐮旂┒锛浠ヤ汉鑴杩愬姩鎰熺煡鏈哄埗涓烘ā鍨嬶紝姝ｅ湪鎻ず鎴戜滑瑙嗚鍒ゆ柇涓殑杩锋濓紝灏ゅ叾鏄偅浜涗护浜哄洶鎯戠殑瑙嗛敊瑙夈傜爺绌朵汉鍛樺埄鐢∕otionNet鈥斺斾竴涓繁搴﹀涔犵殑绁炵粡缃戠粶锛屽畠閫氳繃鍒嗘瀽鍑犲崄骞存潵浜虹被杩愬姩鎰熺煡鐮旂┒鐨勬暟鎹紝鎻ず浜嗚繍鍔ㄥ浘鍍忓鐞嗙殑鍏ㄦ柊瑙佽В銆侻otionNet鐨勮璁＄洰鏍...
绛旓細1銆佷汉宸ユ櫤鑳藉崄澶х畻娉曗斺斾汉宸绁炵粡缃戠粶 浜哄伐绁炵粡缃戠粶(ANN)浠ュぇ鑴澶勭悊鏈哄埗浣滀负鍩虹锛屽紑鍙戠敤浜庡缓绔嬪鏉傛ā寮忓拰棰勬祴闅鹃鐨勮绠楁柟娉曘傝绫诲瀷璁＄畻鏂规硶鍦ㄨ闊炽佽涔夈佽瑙夈佸悇绫绘父鎴忕瓑浠诲姟涓〃鐜版瀬濂斤紝浣嗛渶瑕佸ぇ閲忔暟瀛楄祫鏂欒繘琛岃缁冿紝涓旇缁冭姹傚緢楂樼殑纭欢閰嶇疆銆侫NN鍦ㄥ浘鍍忓拰瀛楃璇嗗埆涓捣鐫閲嶈鐨勪綔鐢紝鎵嬪啓瀛楃璇嗗埆鍦ㄦ璇...
绛旓細杩欓」鏂版垚鏋滃皢鏈夊姪浜庣瀛﹀浠埗閫犲嚭鑳藉悓鍛ㄥ洿鐜瀹炴椂浜や簰鐨勮鐭ョ郴缁燂紝涓绁炵粡缃戠粶璁＄畻鏈哄拰楂樻櫤鑳芥満鍣ㄤ汉鐨勭爺鍒舵彁渚涘己鏈夊姏鐨勬妧鏈敮鎾戙 浠ュ墠鐨勭被浼鐮旂┒閮藉眬闄愪簬鍦ㄤ紶缁熻绠楁満涓婄爺鍒剁缁忕綉缁滄ā鍨嬫垨鍦ㄨ秴绾ц绠楁満涓婃ā鎷熷鏉傜殑绁炵粡缃戠粶锛岃屾柊鐮旂┒鐨勬濊矾鏄細鐮斿彂鍦ㄥぇ灏忋佸鐞閫熷害鍜岃兘鑰楁柟闈㈤兘鍙笌鐪熷疄澶ц剳鐩稿缇庣殑鐢佃矾...
绛旓細璇ユ妧鏈互璐濆彾鏂鐜囪鍜岀敵鍐滅殑淇℃伅璁轰负鐞嗚鍩虹锛屽淇℃伅鐨勫鐞嗚繃绋嬫洿鎺ヨ繎浜虹被澶ц剳鐨閫昏緫鎬濈淮杩囩▼銆傜幇鍦ㄦ湁涓ょ鍩烘湰鐨勬ā寮忚瘑鍒柟娉曪紝鍗崇粺璁℃ā寮忚瘑鍒柟娉曞拰缁撴瀯妯″紡璇嗗埆鏂规硶銆備汉宸绁炵粡缃戠粶鏄ā寮忚瘑鍒腑鐨勫父鐢ㄦ柟娉曪紝杩戝勾鏉ュ彂灞曡捣鏉ョ殑浜哄伐绁炵粡缃戠粶妯″紡鐨勮瘑鍒柟娉曢愭笎鍙栦唬浼犵粺鐨勬ā寮忚瘑鍒柟娉曘傜粡杩囧骞鐨勭爺绌鍜屽彂灞曪紝妯″紡...
