一项名为“深度循环整形”（Deep Loop Shaping）的新型人工智能方法，通过显著降低引力波天文台的控制系统噪音，极大地提升了其稳定性和测量精度。这项技术使科学家能够更清晰地探测黑洞合并、中子星碰撞等宇宙事件，从而更深入地理解宇宙的形成与演化，并为物理学和宇宙学的基本理论提供更可靠的验证。
宇宙的“噪音”问题
为了研究宇宙中最强大的过程，天文学家依赖有史以来最灵敏的观测仪器之一——激光干涉引力波天文台（LIGO）。然而，LIGO 的测量极其精确，即使是百里之外的海浪拍岸也可能干扰其数据。
- 引力波: 由黑洞合并或中子星碰撞等极端事件产生的时空涟漪。
- LIGO 的工作原理: 通过测量激光在相隔 4 公里的反射镜之间传播的微小距离变化来探测引力波，其精度高达质子大小的万分之一。
- 核心挑战: 探测器的反射镜必须保持 绝对静止。任何微小的振动，无论是来自环境还是控制系统本身，都会成为“噪音”，淹没有价值的宇宙信号。
现有的控制系统在抑制振动的同时，自身也会引入一种名为 “控制噪音” 的新问题，这成为提升 LIGO 观测能力的关键障碍。
用引力而不是光来研究宇宙，就像用听觉代替视觉。这项工作让我们能够调到宇宙的“低音声部”。
— Rana Adhikari, 加州理工学院物理学教授
AI 如何让宇宙更“清晰”
为了解决“控制噪音”问题，研究团队开发了 深度循环整形 这一创新的人工智能方法。该方法利用强化学习，训练控制器在不放大观测频段噪音的前提下稳定反射镜。
- 训练过程: 在模拟的 LIGO 环境中，AI 控制器通过反复试错，学会了如何在稳定反射镜的同时，不产生额外的振动噪音。
- 关键成果: 新方法将 LIGO 最不稳定的反馈回路中的噪音水平 降低了 30 至 100 倍。
- 实际验证: 在路易斯安那州的 LIGO 天文台进行的真实硬件测试中，该 AI 控制器的表现与模拟结果同样出色，并能长时间保持系统稳定。
这首次将控制系统本身从 LIGO 的一个重要噪音源中排除。
更广阔的宇宙视野
深度循环整形技术的成功应用，为引力波天文学的未来开辟了新的可能性。
- 更深入的观测: 如果将该方法应用于 LIGO 所有的反射镜控制系统，天文学家每年可能多探测 数百个宇宙事件，并获得更丰富的细节。
- 解锁“缺失环节”: 这将帮助科学家更好地研究“中等质量黑洞”，这是理解星系演化的关键一环，而我们目前对此知之甚少。
- 未来的影响: 这项工作不仅能提升现有天文台的性能，还将影响未来地面和太空天文台的设计。
- 跨领域应用: 除了天文学，这种抑制振动和消除噪音的方法还可应用于航空航天、机器人技术和结构工程等多个领域。