一种新算法将搜索碰撞星系团的图像，以寻找自相互作用暗物质的证据。
这只是人工智能战胜暗物质只是时间问题。一种新的深度学习算法将在星系团图像上发挥作用，以寻找这种看不见的物质的迹象，这种物质奇怪地占宇宙所有物质的 85%。
根据标准在宇宙学模型中，每个星系都被暗物质光环包围。同样，星系团弥漫在巨大的暗物质晕中，我们可以间接探测到它们。科学家们还能够通过观察暗物质的引力影响使空间弯曲的方式来确定暗物质在星团中的分布，从而产生弱的、有时强的引力透镜。然而，尽管宇宙中存在大量暗物质，但没有人知道它是由什么构成的。
偶尔，两个包含星系、热气体和暗物质的星系团可能会发生碰撞。当这种情况发生时，碰撞如何进行取决于暗物质的性质。
这一切都归结为暗物质的一个属性，称为相互作用截面，它指的是暗物质存在的基础。一种未知类型的粒子。天文学家很难追踪暗物质的身份的原因之一是，除了通过引力之外，它似乎不与正常物质相互作用。然而，一些模型预测暗物质粒子可以相互作用，这种相互作用发生的程度取决于相互作用截面。
相关：暗能量仍然是一个谜。也许人工智能可以帮助破解密码
因此，当两个星系团碰撞时，它们暗物质晕的命运取决于这个横截面。如果横截面的值较高，则碰撞的两个暗物质晕中的粒子将相互作用，从而减慢暗物质的速度。另一方面，星系会继续航行，很少像你想象的那样真正“碰撞”，因为恒星和其他物体内部的空间很大。与此同时，星团中巨大的氢云发生碰撞，变热并辐射X射线。
如果相互作用截面的值很高，暗物质就会与星系分离并分布得更近到热气体云。
突发太空新闻、火箭发射、天空观测活动等的最新动态！
或者，如果暗物质的横截面很小，那么暗物质和星系就会分开，但不会那么远，因为暗物质存在于星系和热气体之间。如果横截面为零，意味着暗物质是无碰撞的，那么我们应该预期暗物质晕会留在星系中，因为它们会直接穿过彼此而根本不会相互作用。
但是，有有几种并发症。一是我们只能看到星系团碰撞的快照，因为它们发生的时间和距离尺度太大，无法揭示人类时间尺度上的进展。此外，我们在碰撞的不同阶段和从不同角度看到这些快照，因此没有两个星系团合并看起来完全相同，并且需要经过训练的眼睛才能从每个示例中了解正在发生的情况。
第二个复杂因素是来自活跃黑洞的星系的辐射风可能产生的影响。这些特征常见于星团内最大的星系，例如室女座星系团中的 M87。这些辐射风被称为“反馈”，因为它们直接影响最终引发它们的因素，特别是落向中心黑洞的物质。这种反馈可以将物质推出星系并进入星系团内的河外介质，因此普通物质最终会到达暗物质可能存在的地方。
为了帮助区分可能性，David瑞士洛桑综合理工学院的 Harvey 编写了一种深度学习算法，该算法根据 BAHAMAS（大规模系统重子和光环）项目的星系团碰撞模拟图像进行训练，该项目由利物浦约翰摩尔斯大学、莱顿大学、约翰斯大学的研究人员进行霍普金斯大学和法国国家科学研究中心。
模拟模型具有不同截面值的星系团碰撞，甚至是那些根本没有暗物质的星系团碰撞。
哈维测试了他的不同版本算法，这是一种卷积神经网络（CNN），能够很好地识别图像中的模式。Harvey 发现他的算法最复杂的版本（绰号“Inception”）是最准确的，在描述模拟星团碰撞特征时获得了 80% 的成功率。
几个项目已经在对星系团进行成像碰撞，试图解开暗物质之谜。哈勃太空望远镜在钱德拉 X 射线天文台的协助下，对星系团碰撞进行成像已有一段时间了，最著名的是 2006 年的子弹星团。最近，欧洲航天局启动了欧几里得任务，该任务旨在研究所谓的“暗宇宙”，包括星团中暗物质的存在。在较小的规模上，名为 SuperBIT 的高空气球任务在 2023 年对星系团碰撞进行了为期两个月的环球飞行，然后在阿根廷迫降。有了所有这些观测数据以及即将到来的更多数据，哈维的“盗梦空间”算法将帮助我们更快地找到暗物质难题的答案。
哈维的算法及其结果于 9 月 6 日在《暗物质》中进行了描述。自然天文学。
加入我们的太空论坛，继续谈论最新的太空任务、夜空等！如果您有新闻提示、更正或评论，请通过以下方式告知我们：community@space.com。
Keith Cooper 是英国的自由科学记者和编辑，拥有物理学学位和曼彻斯特大学的天体物理学。他是《接触悖论：在寻找地外智慧生命中挑战我们的假设》（Bloomsbury Sigma，2020）一书的作者，并为众多杂志和网站撰写了有关天文学、太空、物理学和天体生物学的文章。