银河系中心区域长期存在一个未解之谜——持续观测到的伽马射线过剩现象。这种微弱却显著的辉光呈球形分布，覆盖范围达数千光年，自发现以来引发了科学界持续十余年的争论。近日，由维也纳大学与劳伦斯伯克利国家实验室共同领导的国际研究团队，通过引入机器学习技术重新分析观测数据，为这场争论注入了新的变量。
研究团队开发的机器学习模型突破了传统分析方法的局限。该系统在超过百万次模拟观测数据中训练，首次实现了对伽马射线光子位置与能量信息的同步解析。这种多维分析方式发现，此前被广泛支持的脉冲星解释需要满足极端条件——若辉光源自毫秒脉冲星，这些天体必须呈现异常微弱的辐射特征，其数量至少需要达到35000个，远超早期研究估算的数百至数千个量级。
这种能量维度的引入彻底改变了分析结论。研究显示，当考虑光子能量分布时，脉冲星模型的预测结果与暗物质湮灭理论产生的辐射特征几乎无法区分。劳伦斯伯克利国家实验室的尼克·罗德指出："异常微弱的脉冲星群体与暗物质信号在能量谱上呈现高度相似性，这使得现有观测数据无法排除任何一种解释路径。"
银河系中心作为伽马射线观测的"拥挤剧场"，其复杂的辐射背景长期困扰着研究者。维也纳大学弗洛里安·利斯特解释，该区域密集分布着各类高能天体，传统统计方法容易将微弱信号与背景噪声混淆。机器学习技术通过建立能量-空间关联模型，有效提升了信号甄别能力，为暗物质研究开辟了新的分析维度。
这项发表于《物理评论快报》的研究并未给出确定性结论，但成功削弱了此前反对暗物质解释的关键论据。研究团队强调，虽然未发现直接证据支持暗物质假说，但现有观测数据已不足以排除这种可能性。随着机器学习技术在天体物理领域的深入应用，这场持续多年的科学争论或将迎来新的转折点。
银河系作为包含数千亿恒星的庞大星系，其核心区域始终是探索宇宙奥秘的关键窗口。此次研究通过创新分析方法，在暗物质探测领域迈出重要一步，但最终解开这个持续十余年的谜团，仍需更多维度的观测数据与理论突破。
