《自然》最新论文：人工智能助力天文学研究更快探测恒星合并

人工智能(AI)技术在天文学领域应用效果如何？国际知名学术期刊《自然》北京时间3月6日凌晨在线发表一篇天文学论文称，一种新型机器学习方法或能让天文学家更快确定双中子星合并的位置。

论文作者表示，这是通过一种算法去研究来自中子星合并的引力波辐射，当信号抵达地球时只需一秒就能对合并事件进行识别和定位。这种对来自恒星合并的引力波的自动探测，或提供出对此类宇宙事件的新认知。

该论文介绍，地球上的探测器能捕捉到双中子星合并的引力波信号，但仍需快速的后续观测才能理解这些恒星的组成以及它们碰撞时会发生什么。传统方法有时无法快速获得数据，以便在合并后的关键时刻将望远镜对准来源。基于机器学习的方法能加快分析过程，但与信号长度和复杂性相关的挑战导致对合并位置的预测精度较低。

在本项研究中，论文第一作者兼通讯作者、德国马克斯·普朗克智能系统研究所Maximilian Dax和同事提出了一种机器学习方法，命名为DINGO-BNS。该方法能在探测到引力波后对双中子星合并进行高精度的表征和定位，其算法不仅显著快于更早的迭代版本，而且结果的精度也提高了30%。

论文作者总结指出，DINGO-BNS获得的详细信息能用于确定哪些事件最值得使用昂贵的望远镜时间。他们认为，这种天文学领域应用人工智能的方法，未来或能改进用于探测其他类型的引力波来源，提升人类对整个宇宙的认识。