暗物质图揭示了连接星系的新细丝 这项新研究采用了什么方法

　　在 5 月 26 日发表了一项新的研究。使用人工智能制作的新暗物质图揭示了连接星系的隐形物质的隐藏细丝。

　　该地图侧重于本地宇宙——银河系周围的邻居。宾夕法尼亚州立大学的天体物理学家、这项新研究的主要作者 Donghui Jeong 说：“尽管离得很近，但当地的宇宙很难测绘，因为它充满了由可见物质组成的复杂结构。”

　　“我们必须通过观察星系来逆向工程，以知道暗物质在哪里。”郑告诉《生活科学》。

　　暗物质是一种神秘的、不可见的物质，通过重力与可见物质相互作用。一些研究人员推测，这种不可见物质可能由弱相互作用的大质量粒子或 WIMP 组成，它们非常大（对于亚原子粒子，无论如何）并且是电磁中性的，因此它们不会与电磁频谱上的任何东西相互作用，例如光。另一个有一些潜在证据支持它的想法是暗物质可能由称为轴子的超轻粒子组成。

　　无论暗物质是什么，在渗透到宇宙的引力中都可以检测到暗物质的影响。然而，绘制出一种无形的引力并不容易。通常，研究人员通过运行大型计算机模拟来做到这一点，从早期宇宙的模型开始，然后通过可见物质数十亿年的膨胀和演化快速前进，填补引力空白以找出暗物质的位置和位置应该是今天。Jeong 说：“这需要强大的计算能力和大量的时间。”

　　这项新研究采用了不同的方法。研究人员首先在本地宇宙中数千种可见物质和暗物质的计算机模拟中训练了机器学习程序。机器学习是一种特别擅长从大型数据集中挑选模式的技术。研究中的模型宇宙来自一组复杂的模拟，称为 Illustris-TNG。

　　在第二组 Illustris-TNG 宇宙模拟中测试机器学习算法训练的准确性后，研究人员将其应用于现实世界的数据。他们使用了 Cosmicflows-3 星系目录，该目录保存了银河系 200 兆秒差距（即 65 亿光年）范围内可见物质的分布和运动数据。该区域包括超过 17,000 个星系。

　　结果是当地宇宙中的暗物质及其与可见物质的关系有了新的地图。在一个有前途的发现中，机器学习算法重现了从宇宙学模拟中有关银河系附近的许多已知或怀疑的内容。但它也提出了新的特征，包括将银河系周围的星系与其相连的暗物质长丝。

　　Jeong 说：“这对于理解星系将如何随时间移动很重要。例如，银河系和仙女座星系预计将在大约 45 亿年后相互碰撞。了解局部暗物质在这次碰撞中的作用有助于更准确地解决这种合并——以及其它——将如何以及何时发生。”

　　“现在我们知道了暗物质的分布，我们可以更准确地计算出使我们周围的星系移动的加速度。”郑说。