利用AI方法DeepLoopShaping,科学家在真实LIGO系统中将控制噪声降低30至100倍,显著提升引力波探测精度。该技术有望每年帮助捕捉成百上千个更清晰的黑洞合并及中子星碰撞信号,并推动下一代引力波天文台设计。
引力波探测领域近期取得新突破。科学家借助人工智能技术,使人类最灵敏的宇宙“耳朵”——LIGO(激光干涉引力波天文台)能够更清晰地捕捉宇宙信号。
由加州理工学院、格兰萨索科学研究所等机构组成的研究团队在《科学》杂志上发表了一项新成果,提出了一种名为Deep Loop Shaping的人工智能方法。这一方法的核心在于:探测引力波本质上是在捕捉时空结构本身极其微小的“涟漪”,这些涟漪通常来自中子星碰撞、黑洞合并等宇宙级大事件。为了捕捉它们,LIGO这样的天文台需要保持极致的稳定,任何微小扰动——例如100英里外墨西哥湾的一阵浪——都可能干扰测量。
长期稳定更新的攒劲资源: >>>点此立即查看<<<

问题的关键在于天文台庞大的控制系统。维持LIGO这种精密仪器运转,需要数千个控制系统实时协作,不断调整以对抗环境扰动。然而,控制本身也会引入“控制噪声”——就像试图让一块木板静止,却因为手抖反而让它晃动得更厉害。这一矛盾一直是限制LIGO探测能力的核心障碍。Deep Loop Shaping正是为了打破这一僵局而设计。
该团队利用一种基于频域奖励的强化学习方法,训练出一个AI控制器。这个AI的“学习目标”非常明确:在用于测量引力波的关键观测频段内,尽力避免放大噪声。经过反复自我博弈和试错,该控制器最终掌握了如何稳住反射镜,同时不引入有害噪声。在真实LIGO系统的测试中,它的表现令人惊艳:在最棘手、最不稳定的反馈回路里,噪声水平降低了30到100倍。这意味着,控制系统本身终于不再是聆听宇宙声音时的绊脚石。
这项成果并非停留在理论层面,它已在路易斯安那州利文斯顿的真实LIGO天文台上得到验证,证明了AI不仅能通过模拟测试,在硬核的物理实验中也同样可靠。将这一方法全面应用到LIGO所有反射镜控制回路上,每年都可能帮助天文学家捕捉到成百上千个更清晰、更详细的黑洞合并和中子星碰撞事件信号。
先简要了解LIGO的工作原理。它通过精确测量激光在两条4公里长的真空管道中的反射差异来感知引力波。自2015年首次成功探测到引力波、证实爱因斯坦的预言后,LIGO已经彻底改变了人类对宇宙的认知。我们因此知道了双黑洞系统的存在,目睹了中子星碰撞造出新黑洞,甚至研究了金等重元素的诞生过程。

图片:美国路易斯安那州利文斯顿LIGO的鸟瞰图。天文台的激光从相距4公里的反射镜上反射。图片版权:Caltech/MIT/LIGO Lab
然而,宇宙的拼图中始终缺着一块——中等质量黑洞。这些被认为是理解星系演化“失踪环节”的大个头,LIGO至今只能捕获到极少数。这很大程度上受限于当前控制系统的性能。加州理工学院物理学教授Rana Adhikari有一个形象的比喻:“利用引力而非光来研究宇宙,就像用听代替看。这项工作使我们能够调谐到低音部分。”
高灵敏度区域往往对应着高控制难度。在LIGO长达4公里的干涉仪臂中,引力波经过时会改变两端反射镜间的距离,这个变化微小到什么程度?达到质子大小的万分之一(10-19米)。要让悬空的反射镜保持在这种量级的静止状态,几乎是不可能完成的任务。控制少了,反射镜会“乱晃”;控制多了,系统会放大振动,信号就被淹没。
这正是Deep Loop Shaping大显身手的舞台。它本质上是对传统线性控制设计方法的一次彻底超越。在模拟环境中,AI控制器通过反复交互,在频域奖励信号的引导下,学会了只在特定频带内“聪明地”工作,成功将控制噪声水平降低了十倍甚至更多,使其低于光反射时辐射压力量子涨落引起的振动量。

图片:LIGO特写。图片版权:Caltech/MIT/LIGO Lab
当这个在仿真中表现优异的AI控制器被部署到真实LIGO硬件上时,结果毫无悬念:它表现得和模拟中一样出色。在重复实验中,它也能长时间稳定地维持系统运转。

折线图:使用Deep Loop Shaping方法得到的控制噪声频谱。在最不稳定和困难的反馈控制回路中,注入的控制噪声水平有30至100倍的改善。
总而言之,Deep Loop Shaping的价值远不止优化了一个算法。它切实地移除了横在引力波天文学面前的一道巨大屏障。当这套方法被应用于LIGO所有反射镜控制系统后,有望从根本上消除来自控制系统本身的噪声。这意味着,我们不仅能更清晰地观测已知的宇宙现象,还能将探测触角伸向更遥远、更暗淡的信号源。
更重要的是,这项工作的影响力不会止步于LIGO。它无疑将为下一代地面和空间引力波天文台的设计提供全新思路。最终,它或许能帮助我们第一次真正连接上宇宙演化的“缺失环节”。
侠游戏发布此文仅为了传递信息,不代表侠游戏网站认同其观点或证实其描述