在2025年9月4日发表的《Science》期刊中，Brendan Tracey和Jonas Buchli提出了一种名为深度回路整形（Deep Loop Shaping）的新方法，该方法利用AI技术改善重力波观测站的控制，帮助天文学家更好地理解宇宙的动态与形成过程。我们的团队致力于稳定一种极为敏感的观测仪器，以支持对宇宙中最强大过程的研究。
深度回路整形通过减少噪声和改善反馈系统的控制，帮助稳定重力波测量所需的组件。这些重力波是由于中子星碰撞和黑洞合并等事件产生的微小涟漪。我们的研究将有助于天文学家收集关键数据，以更好地测试物理学和宇宙学的基本理论。
在加州理工学院运营的激光干涉引力波天文台（LIGO）和格兰萨索科学学院（GSSI）的合作下，我们证明了该方法在路易斯安那州的LIGO观测站的有效性。LIGO以惊人的准确性测量重力波的性质和来源，但即便是100英里外海岸的波浪也可能扰乱其测量。LIGO依赖数千个控制系统，保持各部分近乎完美的对齐，并通过持续反馈适应环境干扰。
深度回路整形可将LIGO最不稳定的反馈环路中的噪声水平降低30到100倍，从而提高其高度敏感的干涉仪镜面的稳定性。应用该方法后，天文学家每年可检测到数百个事件，且细节更加丰富。
LIGO通过激光光的干涉来测量重力波的性质。自2015年首次检测到由黑洞碰撞产生的重力波以来，LIGO的测量显著改变了我们对宇宙的理解。通过LIGO，天文学家检测到了数百个黑洞和中子星的碰撞，验证了双黑洞系统的存在，并研究了重元素如金的形成。
我们旨在改善控制系统中最困难的部分，扩展我们能观察到这些事件的距离。使用重力而非光来研究宇宙，犹如倾听而非观看。我们的方法允许我们更清晰地捕捉到宇宙的深层信息。
深度回路整形利用强化学习的方法，使用频域奖励超越了现有的反馈控制性能。在模拟的LIGO环境下，我们训练了一个控制器，旨在避免在用于测量重力波的观察频带中放大噪声。经过反复互动，控制器学习在不增加有害控制噪声的情况下稳定镜面，将噪声水平降低到量子波动引起的辐射压力噪声之下。
我们在真实的LIGO系统中测试了我们的控制器，发现其性能与模拟中一样优秀。我们的结果表明，深度回路整形的噪声控制效果比现有控制器好30到100倍，并首次消除了LIGO中最不稳定和困难的反馈环路作为噪声源。
通过将深度回路整形应用于LIGO的整个镜面控制系统，未来将有可能消除控制系统自身的噪声，为扩展其宇宙学探测能力铺平道路。我们期待该研究能够影响未来观测站的设计，无论是在地球上还是在太空中，从而帮助我们首次连接宇宙中的“缺失环节”。
博主点评： 深度回路整形的提出不仅是重力波研究的一次技术突破，更是AI在科学研究中应用的典范。通过有效的噪声控制，该方法将极大提升观测精度，推动天文学的前沿进展。未来，类似技术或将在其他工程领域发挥重要作用。