共计 945 个字符，预计需要花费 3 分钟才能阅读完成。
让「AI 告诉你宇宙中有什么？」
Meta 首席人工智能科学家、图灵奖得主 Yann LeCun 在 X 上转发了纽约大学物理系教授 Shirley Ho 的帖子。
Ho 在帖子中表示她所在的由 Changhoon Hahn 领导的SimBIG团队新发布了一篇论文。他们借助 AI 模拟宇宙，产生了许多新见解。
「这是第一次通过光谱望远镜 (Sdssurveys) 很好地模拟了宇宙，以便将其与实际宇宙进行比较！我们模拟了 20,000 个这样的宇宙！」她表示，「对于每个模拟宇宙，它都会为你提供汇总统计数据 (x) 和模拟的基本属性 (y)。然后我们使用这 20,000 对 (x,y) 来训练 AI，以计算后验 P (y | x )。」
「现在，你可以为这个 AI 提供来自真实观测到的宇宙的观测汇总统计数据 (x')，这里是具有适当误差的宇宙基本参数。」她说。
该研究以「Cosmological constraints from non-Gaussian and nonlinear galaxy clustering using the SimBIG inference framework」为题，于 2024 年 8 月 21 日发布在《Nature Astronomy》。
论文链接：
标准 ΛCDM 宇宙学模型预测存在冷暗物质，而目前宇宙的加速膨胀是由暗能量驱动的。该模型最近受到了学界专家的审查，因为在测量宇宙膨胀和增长历史时存在矛盾，这些测量使用 H0 和 S8 参数化。
星系的三维聚类编码了解决这些紧张关系的关键宇宙学信息。论文中，研究人员使用基于模拟的推理提出了一组宇宙学约束，该推理利用了星系聚类中非线性尺度上的额外非高斯信息，而这些信息是当前分析无法获得的。
研究人员使用 SimBIG 分析了重子振荡光谱巡天 (BOSS) 星系巡天的一个子集，SimBIG 是一种利用高保真模拟和深度生成模型进行宇宙学推断的新框架。
视频链接：
视频：将用于训练 SimBIG 的模拟宇宙中的星系分布（右）与真实宇宙中看到的星系分布（左）进行了比较。（来源：SimBIG 团队）
该团队在标准功率谱之外使用了两个聚类统计数据：双谱和基于卷积神经网络的星系场总结。他们对 H0 和 S8 的约束比功率谱分析严格 1.5 倍和 1.9 倍。
