近日，由马克斯·普朗克智能系统研究所主导的国际研究团队开发了一种名为DINGO-BNS的新算法，该算法能够显著加速引力波的分析过程。通过运用人工智能技术，这一方法可以在一秒内识别出双中子星合并所产生的信号，而以往完成这一任务大约需要一个小时。
探测引力波是一项极具挑战性的科学任务，因为地球上的时空扭曲非常微小，其变化仅相当于质子直径的千分之一。科学家们借助类似激光干涉仪这样的高精度设备来捕捉这些细微的变化。
中子星是宇宙中最神秘且最迷人的天体之一。当两颗中子星发生碰撞时，不仅会产生引力波，还会引发一种被称为“千新星”的剧烈爆炸，这种现象能够生成金、铂等重元素。观测此类事件对于天文学家而言至关重要，但同时也极具挑战性。
中子星的物质密度极高，一茶匙中子星物质的重量约为5.5万亿公斤，相当于吉萨大金字塔质量的900倍。这种极端的密度使中子星成为研究物质在极端条件下行为的理想对象。
当中子星合并时，会通过r过程生成金、铂等重元素。DINGO-BNS算法可将确定中子星合并位置的精度提升30%，这对于抓住短暂的观测窗口期具有重要意义。目前的引力波探测器通常只能提供几分钟的预警时间，而DINGO-BNS算法可以帮助天文学家快速调整望远镜和其他观测设备，以指向正确的方向。
2017年，科学家首次记录到GW170817中子星合并事件，并通过全球70台望远镜的联合观测证实了中子星合并是伽马射线暴和重元素形成的原因。新算法的优势在于能够在不牺牲精度的情况下提高实时分析的准确性。它不仅可以精确定位中子星合并的位置，还能提供有关中子星质量、旋转状态等详细信息。
这种方法为解答天体物理学中的许多未解之谜提供了重要帮助。研究者亚历山德拉-布南诺表示：“早期的多信使观测为我们理解中子星合并过程及其后续的千新星现象提供了全新的视角。”这些成果推动了人类对宇宙深处现象的理解，开启了天文学研究的新篇章。
