用人工智能來預測宇宙膨脹速度

哈勃定律可以簡潔而優美的描述宇宙正在擴張的現象。它是一個簡單的線性關係式：距離越遠的天體，退行速度越快。整個宇宙像發酵中的麵包，把上面的葡萄乾分開的愈來越遠。

不過大部分觀測的時候，哈勃定律不會完全正確，因為重力的效應會抹除掉宇宙擴張的現象，使得真實的觀測數據與方程式會有一些偏差。

要解釋這些偏差並不容易，因為這與物質的分布與運動有關（這大概是宇宙中最複雜的問題之一）。微擾理論（perturbation theory）是一個方法，可以一步一步的去描述非線性項，但是在大量運算的時候就會出現問題，因此科學家將目光投向機器學習。

卷積神經網絡（convolutional neural network）是一個在許多領域都炙手可熱的工具，這是一個讓電腦透過深度神經網路自行學習的演算法，有時候它就像一個黑盒子，可以自己找到人類還不清楚的關係式。

現在有研究團隊已經進行測試，模擬宇宙大規模結構演化至今的行為。微擾理論在低密度及低速度的時候表現穩健，但機器學習模型在大部分情況的表現較好。

隨著未來先進大型天文台及太空望遠鏡的上線，我們將有更完整的觀測數據來更好地驗證每一個模型的優劣。

【圖：歐洲南方天文台；文：節錄自台北市立天文科學教育館網頁】研究全文刊登在2021年5月18日出版的《天體物理學報》