计算机模拟宇宙衍化费时费力，看人工智能如何助力探索宇宙奥秘

　　让我们按照配方来制造一个宇宙吧，先在瓶子里将一汤匙氢气、一茶匙氦气与一杯暗物质混合好。再加入一小撮中微子和撒上一些辐射。加热到几百万开尔文。当混合物融合后，开始冷却130亿年。 这就是宇宙的＂制作方式＂。好像不太好操作啊，而且需要等的时间也太长、太长、太长…了。
　　而实际上宇宙的诞生比这要复杂的多。通常我们认为宇宙的基本成分是：80%的暗物质（一种不与光相互作用的物质形式）；相当数量的正常物质；一些其他物质。这些物质之间是有相互作用的（如引力）。
　　早期的宇宙比今天的宇宙要小得多，更热，密度也大得多。当宇宙中的这些成分相互作用时，一些微小的影响就会逐渐成长为巨大的差异。例如引力作用会使密度略高于平均水平的某一小区域吸引更多的物质，而且这一过程会持续发展，最终成为恒星、星云、星系等。
　　所以我们想要了解宇宙的成长过程可不是按配方制作这么简单的，甚至不是普通的计算就能完成的。好在我们现在有了性能优良的计算机帮忙。我们在计算机中输入我们所了解的宇宙构成，以及这些成分是如何相互作用的，并且让计算机模拟数十亿年的宇宙进化。然后我们比较计算机模拟宇宙和真实宇宙，看看之间是否一致。这对我们进行天文学研究至关重要。但是这些模拟可能特别耗时，尤其是在进行精密演算的情况下。这对于性能强大的超级计算机都不算件容易的事。值得庆幸的是随着人工智能技术的进步，这一先进技术也将应用于天文学研究。大大提高了天文学研究的效率。
　　例如 美国谷歌公司和国家航空航天局（NASA）的科研人员就运用人工智能的机器学习技术，将现有天文数据输入＂神经网络＂。结果在银河系中发现了两颗新的行星。
　　我们再来看看人工智能在模拟宇宙形成中是怎么起作用的吧。研究人员首先进行了一系列低级别（计算量少、易于运行）的模拟。然后，他们让人工神经网络找到将这些低级别模拟与高级别模拟连接的最佳方式。然后，神经网络将这种模拟放大，并且与传统的模拟方式产生的结果进行比较。
　　一旦这些联系建立后，研究人员就可以通过运行低级别的模拟，做出可以与真实宇宙相比的预测，从而可能从根本上提高我们测试理论和精确模拟宇宙的能力。
　　研究人员称他们的工作现在还没有达到理想的情况。现在他们的设置相对简单，做了只包含暗物质的模拟。对于真正的宇宙的模拟，还是用传统方式在运行。研究人员的下一步是将恒星和星系的形成纳入低级别模拟中，希望通过机器学习模拟出更复杂的宇宙进化史。
　　相信在人工智能技术的助力下，天文学家们将为我们进一步揭开宇宙的新奥秘。