宇宙的标准模型仅依赖六个数字。Flatiron 研究所的研究人员及其同事利用一种由人工智能驱动的新方法，提取了隐藏在星系分布中的信息，以令人难以置信的精度估算了其中五个所谓的宇宙学参数的值。

与之前的方法相比，这一结果有了显著的改进。与使用相同星系数据的传统技术相比，该方法对描述宇宙物质团块性的参数的不确定性减少了一半。这种人工智能方法也与基于对其他现象(如宇宙最古老的光)的观察而得出的宇宙学参数估计值非常吻合。

研究人员在最近的一系列论文中介绍了他们的方法——基于模拟的星系推断(或SimBIG)，其中包括 8 月 21 日在《自然天文学》上发表的一项新研究。

这项研究的共同作者、纽约市 Flatiron 研究所计算天体物理中心 (CCA) 的团队负责人 Shirley Ho 表示，在使用相同数据的情况下对参数进行更严格的约束对于研究从暗物质的成分到驱使宇宙分裂的暗能量的性质等所有事物都至关重要。她说，随着未来几年对宇宙的新调查陆续展开，这一点尤其重要。

“每项调查都耗资数亿至数十亿美元，”何说。“这些调查存在的主要原因是我们希望更好地理解这些宇宙学参数。所以如果你从非常实际的角度考虑，这些参数每个都价值数千万美元。你希望得到最好的分析，以便从这些调查中提取尽可能多的知识，并突破我们对宇宙理解的界限。”

这六个宇宙学参数描述了宇宙中普通物质、暗物质和暗能量的数量以及大之后的条件，例如新生宇宙在冷却时的不透明度以及宇宙中的物质是分散的还是大块的。这项研究的合著者、CCA 研究分析师 Liam Parker 说，这些参数“本质上是宇宙的‘设置’，决定了它在最大尺度上如何运作。”