AI助力更快探測恒星合并

　　德國科學家研究發現，一種新型機器學習方法能讓天文學家更快確定雙中子星合并的位置。這種方法可研究來自中子星合并的引力波輻射，當信號抵達地球時只需一秒就能對合并事件進行識別和定位。這種對來自恒星合并的引力波的自動探測或提供了對這些宇宙事件的新認知。相關研究3月6日發表于《自然》。

　　地球上的探測器能捕捉到雙中子星合并的引力波信號，但仍需快速的后續觀測才能理解這些恒星的組成以及它們碰撞時會發生什么。傳統方法有時無法快速獲得數據，以便在合并后的關鍵時刻將望遠鏡對準來源。基于機器學習的方法能加快分析過程，但與信號長度和復雜性相關的挑戰導致對合并位置的預測精度較低。

　　馬普學會智能系統研究所的Maximillian Dax和同事提出了一種機器學習方法，名為DINGO-BNS，該方法能在探測到引力波后對雙中子星合并進行高精度的表征和定位。該算法不僅顯著快于更早的迭代版本，而且結果的精度也提高了30%。

　　研究者指出，DINGO-BNS獲得的詳細信息能用于確定哪些事件最值得使用昂貴的望遠鏡時間。這種方法未來或能改進用于探測其他類型的引力波來源，提升我們對整個宇宙的認識。