Використовуючи трохи магії машинного навчання, вчені тепер можуть моделювати величезні і складні всесвіти за тисячну частину часу, який потрібен звичайним методам. Новий підхід допоможе відкрити нову еру космологічного моделювання з високою роздільною здатністю.
Новий метод, розроблений Інь Лі, астрофізиком з Інституту Флетайрон в Нью-Йорку і його колегами, забезпечує алгоритм машинного навчання моделями невеликої області простору як з низькою, так і з високою роздільною здатністю. Алгоритм вчить, як масштабувати моделі з низькою роздільною здатністю, щоб вони відповідали деталям, знайденим у версіях з високою роздільною здатністю. Після навчання код може брати повномасштабні моделі з низькою роздільною здатністю і генерувати симуляції з надвисокою роздільною здатністю, які містять у 512 разів більше частинок.
Таке масштабування дає значну економію часу. Для області у Всесвіті розміром приблизно 500 млн світлових років, що містить 134 млн частинок, існуючі методи потребують 560 годин, щоб зробити моделювання з високою роздільною здатністю з використанням одного ядра обробки. Вчені кажуть, що з новим підходом на це потрібно всього 36 хвилин. Результати були ще більш вражаючими, коли до моделювання було додано більше частинок. Для Всесвіту, який в 1000 разів більше і містить 134 млрд частинок, новий метод дослідників зайняв 16 годин на одному графічному процесорі.
Теж цікаво:
За словами фахівців, скорочення часу, необхідного для проведення космологічних симуляцій, «може забезпечити значні успіхи в чисельній космології і астрофізиці. Космологічні симуляції простежують історію Всесвіту, аж до утворення всіх галактик і їх чорних дір».
Поки що нові моделі розглядають тільки темну матерію і силу тяжіння. Хоча це може здатися надмірним спрощенням, гравітація, безумовно, є домінуючою силою у Всесвіті в великих масштабах, а темна матерія складає 85% всієї «речовини» в космосі. Частинки в симуляції не є буквальними частками темної матерії, а замість цього використовуються як трекери, щоб показати, як частки темної матерії рухаються Всесвітом.
Моделювання не відображає всього, оскільки воно зосереджене тільки на темній матерії і гравітації, дрібномасштабні явища, такі як зореутворення, наднові зірки і ефекти чорних дір, не враховуються. Дослідники планують розширити свої методи, включивши в них сили, відповідальні за такі явища, і запустити свої нейронні мережі «на льоту» разом зі звичайним моделюванням для підвищення точності.
Читайте також:
Leave a Reply