当人工智能遇上宇宙未知：加速探索新物理，却暗藏「陷阱」

背景：标准宇宙模型（ΛCDM模型）成功地解释了宇宙的许多大尺度特征，但暗物质与暗能量的本质等仍是未解之谜，暗示可能存在新物理学。研究目的：本研究探讨了机器学习中的迁移学习技术是否能够更快速、低成本地帮助研究人员探索超越标准宇宙模型的理论，以应对海量宇宙学观测数据所需的巨额计算模拟成本。结论：研究发现，迁移学习通过先在简单的ΛCDM模拟上预训练，再迁移到包含新物理的复杂模型，可将所需的高成本模拟数量减少超过十分之九，显著提升效率。然而，该技术也存在“陷阱”：AI可能过度依赖预训练阶段学到的知识，当新物理的特征（如大质量中微子效应）与标准模型中的模式相似时，网络会错误地用旧知识解读新信息，从而难以识别真正新奇的现象。这表明在科学发现中，AI的高效可能伴随陷入“经验主义”的风险，真正的突破往往需要关注反常与例外。