为帮助天文学家研究宇宙的动态和形成，Google DeepMind团队一直在运用AI来稳定有史以来最灵敏的观测仪器之一。
在今天发表于《科学》（Science）杂志的一篇论文中，Google DeepMind介绍了一种名为“深度环路整形”的新型人工智能技术，它将开启下一代引力波科学。“深度环路整形”技术能够减少天文台反馈系统中的噪声并改善控制，从而帮助稳定用于测量引力波（指时空结构中的微小涟漪）的组件。
这些引力波由中子星碰撞和黑洞合并等事件产生，Google DeepMind的AI技术将帮助天文学家收集关键数据，并更好地检验物理学和宇宙学的基础理论。
Google DeepMind与加州理工学院运营的激光干涉引力波天文台（LIGO）以及意大利格兰萨索科学研究所（GSSI）合作开发了“深度环路整形”技术，并在位于路易斯安那州利文斯顿的LIGO天文台验证了该技术的有效性。
LIGO以惊人的精度测量引力波的性质和来源。然而，即使是最轻微的振动都可能干扰其测量，例如来自100英里外墨西哥湾沿岸的海浪冲击。为了正常运行，LIGO依赖于数千个控制系统，以使每个部件保持近乎完美的协调，并通过持续的反馈来适应环境干扰。
“深度环路整形”技术可将LIGO中最不稳定、最难控制的反馈回路中的噪声水平降低30到100倍，从而提高其高灵敏度干涉仪反射镜的稳定性。若将该技术应用于LIGO所有的反射镜控制回路，每年可以帮助天文学家探测并收集数百个额外事件的数据，且细节更详细。
未来，“深度环路整形”技术还可以应用于许多其他工程问题，包括振动抑制、噪声消除、航空航天、机器人和结构工程等重要的高度动态或不稳定系统。
论文链接
via 匿名
