美国国家科学基金会资助的激光干涉引力波天文台(LIGO)被誉为世界上最精确的测量工具,其测量精度能够分辨小于质子宽度的万分之一。这种极高的精度使LIGO能够捕捉到宇宙中黑洞等密集天体碰撞时产生的时空涟漪 - - 引力波。LIGO由两个设施组成,分别位于华盛顿州和路易斯安那州。自2015年首次直接观测到引力波以来,LIGO开启了引力波天文学新时代,其创始团队因此获得了2017年的诺贝尔物理学奖。如今,经过不断的技术升级,LIGO在当前观测周期中平均每三天就能探测一次黑洞合并事件。联手位于意大利的Virgo探测器与日本的KAGRA,LIGO团队共同识别了数百起黑洞合并候选事件,同时也捕获了涉及中子星的引力波信号。
科研人员正积极探索进一步提升LIGO性能的途径,旨在发现更多种类的黑洞合并信号。特别关注的是可能填补恒星级黑洞与银河系中心超大质量黑洞之间差距的中间质量黑洞。此外,科学家们希望更容易识别形状多样、如椭圆轨道的黑洞系统,并能在黑洞合并早期即捕获关键引力波信号,这些信号通常在密集天体紧密螺旋坠向彼此时产生。为实现上述目标,加州理工学院(Caltech)和意大利Gran Sasso科学研究院的研究人员联手谷歌DeepMind开发了一种名为"深度环路整形"(Deep Loop Shaping)的创新AI算法。这一方法能更有效地抑制LIGO探测器中的噪声 - - 在此语境下,噪声不仅指可听见的声音,更重要的是镜面微小振动所造成的干扰。LIGO的核心是悬挂着重量约40公斤的巨大镜子,任何超过微观尺度的晃动都会掩盖引力波信号。
与传统噪声抑制技术相比,深度环路整形技术在降低镜面运动上实现了30到100倍的提升,显著增强了探测器的稳定性和灵敏度。Caltech物理学教授Rana Adhikari表示,LIGO已处于创新最前沿,借助人工智能,LIGO不仅能探测规模更大的黑洞,还将为日后建设LIGO印度项目以及更大型引力波探测器奠定技术基础。谷歌DeepMind的工程师与科学家指出,深度环路整形方法也具备广泛应用前景,有望助力航天、机器人及结构工程领域中涉及振动抑制与噪声消除的各种复杂控制系统。LIGO设施采用巨大"L"字型真空管道,每条臂长达4公里,激光在管内反复反射,借由悬挂镜面精密探测空间长度微小变化。当引力波经过地球时,时空结构产生极其微小的畸变,使得两臂长度之间的差异发生细微改变,这种变化被LIGO激光干涉系统捕捉到。为确保极端的测量精度,必须对各种背景噪声进行有效抑制。
其中,来自海洋的远距离波浪振动成为影响镜面稳定性的关键因素,尽管LIGO设施远离海岸,但低频、慢速的海浪震动通过地球传递给镜面。团队通过类似降噪耳机的原理,利用麦克风捕捉噪声信号,控制器立即发出反向信号抵消震动。然而,降噪耳机中的"嘶嘶声"类比了控制系统自身产生的高频噪声,这种噪声位于10至30赫兹的低频范围内,会干扰LIGO对低频引力波信号的捕捉,而这些信号正好对应包括更大质量黑洞及合并初期的关键信息。以往的反馈控制系统虽然能有效抵消地震噪声,却会引入这种新的高频"嘶嘶"噪音,系统不断调整,仿佛水床上压制波浪时产生新的涟漪。四年前,时任Caltech助理教授、现任Gran Sasso教授Jan Harms联系谷歌DeepMind,希望借助AI技术提升噪声控制性能。Adhikari随后加入项目,团队采用强化学习策略训练AI模型,通过模拟无数个平行LIGO系统,"教导"算法尽可能抑制镜面振动。
训练过程可比拟成一款游戏,降低噪声即得分,反之则扣分。经过反复演练,AI模型逐渐掌握最优控制策略,表现出卓越的噪声抑制效果。加州理工控制与动力学专家Richard Murray强调,传统控制方法依赖详尽的系统数学建模,而AI则能利用极其细致的模拟数据捕捉和利用系统特性,寻找传统方法难以发现的解决方案。在LIGO的实际测试中,新的AI控制技术仅运行了约一小时,即证明了其显著优越性,未来团队计划进行更长时间的测试,最终将在多个LIGO设备上推广应用。该技术不仅革新了地基引力波探测器的性能认知,也为面对复杂动态与不稳系统的工程挑战提供了强有力的解决手段。LIGO的人工智能升级标志着测量宇宙微小量子距离的科研工作进入一个新境界,也必将在教育与科研领域激发更多年轻学生投身于前沿科技创新。
随着技术不断成熟,借助AI驱动的深度环路整形,LIGO将更深入地探索宇宙深处黑洞及其他致密天体的奥秘,为人类理解宇宙结构与演化贡献关键力量。 。
