AI新演演算法3600倍速解碼中子星碰撞 開啟天文觀測新紀元

一項突破性的機器學習技術正為多信使天文學帶來革命性變革。這項名為DINGO-BNS的深度學習演演算法，能在短短一秒內完成中子星雙星系統的合併特徵分析，速度較現有最快技術提升近3600倍。這項研究成果已發表於頂尖期刊《自然》。

天文學家將偵測中子星雙星合併列為最優先研究課題。這些緻密星體殘骸的罕見碰撞，不僅會產生時空漣漪般的重力波，更會伴隨劇烈的電磁輻射爆發，為人類研究極端宇宙環境下的物質與重力特性提供獨特視窗。然而，傳統分析方法往往因運算耗時而錯失關鍵觀測時機。

來自馬克斯·普朗克研究所等機構的跨國團隊開發的DINGO-BNS神經網路，能即時解讀重力波觀測資料。論文第一作者Maximilian Dax強調：「這種即時分析能力，讓天文學家能迅速定位碰撞位置，及時排程望遠鏡捕捉所有伴隨訊號。」

現行LIGO-Virgo-KAGRA合作組織使用的快速分析演演算法必須犧牲精確度來換取速度。馬克斯·普朗克重力物理研究所的Jonathan Gair指出：「我們的新方法完全克服這個缺陷。」這套AI系統不僅能精確計算中子星質量、自轉等引數，更將定位精度提升30%，為造價昂貴的天文望遠鏡爭取寶貴觀測時間。

諾丁漢大學的Stephen Green說明技術突破：「針對中子星雙星系統的特殊性，我們開發出事件自適應資料壓縮等創新技術。」MPI-IS研究所所長Bernhard Schölkopf補充：「這項研究完美示範如何將尖端機器學習與物理領域知識相結合。」

研究團隊預期，這項技術未來或能協助捕捉兩顆中子星碰撞瞬間的電磁訊號。馬克斯·普朗克研究所的Alessandra Buonanno表示：「早期多信使觀測將揭開合併過程與千新星爆發的神秘面紗。」

這項突破性研究為下一代重力波觀測站奠定技術基礎，當探測器升級後能連續收集數日資料時，DINGO-BNS的高速分析優勢將更顯著。隨著AI技術持續進化，人類探索宇宙極端現象的能力正迎來質的飛躍。