使用深度学习帮助区分暗物质和宇宙噪声
模拟从早期宇宙到今天的暗物质结构形成的静态图像。引力使暗物质聚集成致密的光晕，以明亮的斑块表示，星系就是在这些光晕中形成的。在这个模拟中，形成了一个类似银河系的光晕和一个类似大麦哲伦星云的较小光晕 […]
来源:ΑΙhub仍然来自对从早期宇宙到今天的暗物质结构形成的模拟图像。重力使深色物质块成密集的光环，由明亮的斑块表示，其中形成星系。在此模拟中，像托管银河系形成的光环一样，类似于大麦芽云的较小的光环落在它上。与黑暗能源调查的合作者合作的SLAC和斯坦福大学的研究人员使用了类似的模拟来更好地了解暗物质与星系形成之间的联系。学分：Ralf Kaehler/Ethan Nadler/SLAC国家加速器实验室。
Nik Papageorgiou
暗物质是将宇宙融合在一起的看不见的力量，或者我们认为。它占所有物质的85％，约占宇宙内容的27％，但是由于我们看不到它，因此我们必须研究其对星系和其他宇宙结构的重力影响。尽管进行了数十年的研究，但暗物质的真实本质仍然是科学最难以捉摸的问题之一。
根据主要理论，暗物质可能是一种几乎与其他任何事物相互作用的粒子，除了通过重力。但是一些科学家认为这些粒子偶尔会相互作用，这是一种称为自我交往的现象。检测这种互动将为暗物质的特性提供重要的线索。
然而，将暗物质自身互动的微妙迹象与其他宇宙效应（例如由活跃的银河核（AGN）引起的）（星系中心的超质量黑洞引起的）是一个重大挑战。 AGN的反馈可以以类似于暗物质的影响的方式来推动物质，这使得两者很难分开。
天体物理学实验室 开发了一种深度学习算法 Bahamas-Sidm项目 Euclid完整阅读研究
一种深入学习算法，以解散自我相互作用的暗物质和AGN反馈模型，David Harvey，2024年。
David HarveyEPFL