RW Space

Оказалось, что первое в мире моделирование Вселенной с помощью искусственного интеллекта работает практически также точно, как часы, и поэтому абсолютно непонятно ученым. Исследователи сообщили о новой симуляции 24 июня в журнале «Известия Национальной академии наук». Цель состояла в том, чтобы создать виртуальную версию космоса с целью моделировать различные условия для начала формирования Вселенной, но на данный момент ученые несколько обескуражены, так как сами не понимают каким образом работает их модель.

«Это похоже на обучение программе распознавания изображений с большим количеством изображений кошек и собак, но вдруг выясняется, что программа способна распознавать слонов», — отметила соавтор исследования Ширли Хо, теоретический астрофизик из Центра вычислительной астрофизики в Нью-Йорке. «Никто не знает, как это происходит, и это большая загадка, которую еще нужно разгадать».

Учитывая огромный возраст и масштабы Вселенной, понимание ее формирования является сложной задачей. Одним из инструментов в наборе инструментов астрофизика является компьютерное моделирование. Однако традиционные модели требуют больших вычислительных ресурсов и времени, поскольку астрофизикам может потребоваться выполнить тысячи симуляций, настраивание различных параметров с целью определить наиболее вероятный сценарий реального мира.

Хо и ее коллеги создали глубокую нейронную сеть, чтобы ускорить процесс. Названная моделью смещения глубокой плотности, или D ^ 3M, эта нейронная сеть предназначена для распознавания общих характеристик в данных и «обучением» со временем, как манипулировать этими данными. В случае D^3M, исследователи внесли 8000 симуляций из высокоточной традиционной компьютерной модели Вселенной. После того, как D^3M узнал, как эти симуляции работали, исследователи применили совершенно новую, никогда ранее не встречавшуюся симуляцию виртуальной кубовидной вселенной шириной 600 миллионов световых лет. (Реальная наблюдаемая вселенная имеет ширину около 93 миллиардов световых лет.)

Нейронная сеть была способна запускать симуляции в этой новой Вселенной так же, как и в наборе данных из 8000 симуляций, который использовался для обучения. Моделирование было сосредоточено на роли гравитации в формировании Вселенной. Что было удивительно, сказал Хо, так это то, что когда исследователи применяли совершенно новые параметры, такие как количество темной материи в виртуальной вселенной, D^3M по-прежнему мог справляться с симуляциями — несмотря на то, что никогда не обучался тому, как обращаться с вариацией темной материи.

Модель также может сэкономить время исследователей, заинтересованных в универсальном происхождении. Новая нейронная сеть может завершить моделирование за 30 миллисекунд, по сравнению с несколькими минутами для самого быстрого метода моделирования без искусственного интеллекта. В сети также был коэффициент ошибок 2,8% по сравнению с 9,3% для существующей самой быстрой модели. (Эти коэффициенты ошибок сравниваются с золотым стандартом точности, моделью, которая занимает сотни часов на каждую симуляцию.)

Теперь исследователи планируют изменить другие параметры в новой нейронной сети, изучая, каким образом такие факторы, как гидродинамика или движение жидкостей и газов, могли сформировать Вселенную. Однако, сама Хо при этом отмечает, что эта особенность D ^ 3M является загадкой и делает моделирование интригующим как для вычислительной науки, так и для космологии.