LeCun转帖，AI精确计算宇宙「设置」，登Nature子刊

主要观点总结

本文报道了SimBIG团队利用AI模拟宇宙的新研究成果。该团队借助AI模拟了20,000个宇宙，通过训练AI对这些模拟宇宙的数据进行分析，提出了宇宙学约束。该研究涉及ΛCDM宇宙学模型的预测、星系的三维聚类、暗物质和暗能量的研究，以及宇宙膨胀和增长历史的测量。SimBIG的新框架利用了高保真模拟和深度生成模型进行宇宙学推断，使用两个聚类统计数据：双谱和基于卷积神经网络的星系场总结，对H0和S8的约束比功率谱分析更为严格。这项研究有助于解决宇宙学中的紧张关系，并可能对宇宙危机的理解提供新的视角。

关键观点总结

关键观点1: SimBIG团队使用AI模拟了20,000个宇宙，并训练AI对这些数据进行解析，提出宇宙学约束。

这是首次通过光谱望远镜很好地模拟宇宙以便与实际宇宙进行比较，模拟宇宙的数量达到2万个。

关键观点2: 研究涉及ΛCDM宇宙学模型的预测和暗物质、暗能量的研究。

该模型预测存在冷暗物质，而宇宙的加速膨胀是由暗能量驱动的。论文中，研究人员提出了基于模拟推理的宇宙学约束，利用了星系聚类中的非线性和非高斯信息。

关键观点3: SimBIG分析了BOSS星系巡天数据，对H0和S8的约束更为严格。

研究人员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。

关键观点4: 该研究具有解决宇宙学中的紧张关系和解决宇宙危机的潜力。

宇宙危机包括哈勃张力等问题，SimBIG的高精度分析可能会揭示关于暗能量和宇宙膨胀的新物理学。

关键观点5: 未来工作包括将SimBIG扩展到其他光谱星系调查，以产生更好的宇宙学约束。

这将有助于加深对宇宙张力的理解，并可能揭示新的物理学。