導(dǎo)讀:宇宙學模擬是揭開宇宙眾多奧秘的一個重要部分,包括暗物質(zhì)和暗能量的奧秘。
利用神經(jīng)網(wǎng)絡(luò),研究人員現(xiàn)在可以在一小部分時間內(nèi)模擬宇宙,這大大推動了物理學研究的發(fā)展。一個宇宙經(jīng)過數(shù)十億年的演變,但研究人員已經(jīng)開發(fā)出一種方法,可以在不到一天的時間內(nèi)創(chuàng)建一個復(fù)雜的模擬宇宙。最近發(fā)表在《美國國家科學院院刊》上的這項技術(shù)將機器學習、高性能計算和天體物理學結(jié)合在一起,將有助于開創(chuàng)一個高分辨率宇宙學模擬的新紀元 。
宇宙學模擬是揭開宇宙眾多奧秘的一個重要部分,包括暗物質(zhì)和暗能量的奧秘。但是直到現(xiàn)在,研究人員還面臨著魚和熊掌的難題,那就是如何實現(xiàn)可以在高分辨率下專注于一個小區(qū)域的模擬,也可以在低分辨率下囊括大片宇宙。
卡內(nèi)基梅隆大學物理學教授Tiziana Di Matteo和Rupert Croft、Flatiron研究所研究員Yin Li、卡內(nèi)基梅隆大學博士生Yueying Ni、加州大學河濱分校物理學和天文學教授Simeon Bird和加州大學伯克利分校的Yu Feng通過教授一種基于神經(jīng)網(wǎng)絡(luò)的機器學習算法,將模擬從低分辨率升級到超分辨率,克服了這個問題。
"宇宙學模擬需要覆蓋大體積的宇宙學研究,同時也需要高分辨率來解決小尺度星系形成的物理問題,這將招致艱巨的計算挑戰(zhàn)。我們的技術(shù)可以作為一個強大而有前途的工具,通過對大宇宙學體積中的小尺度星系形成物理進行建模,來同時滿足這兩個要求。"倪說,他進行了模型的訓(xùn)練,建立了測試和驗證的管道,分析了數(shù)據(jù)并根據(jù)數(shù)據(jù)制作了可視化。
訓(xùn)練后的代碼可以采用全尺寸的低分辨率模型,并生成包含多達512倍顆粒的超分辨率模擬。對于宇宙中一個大約5億光年的區(qū)域,包含1.34億個粒子,現(xiàn)有的方法將需要560個小時來使用一個處理核心攪動出一個高分辨率的模型,而使用新的方法,研究人員只需要36分鐘。
當更多的粒子被添加到模擬中時,結(jié)果甚至更加戲劇性。對于一個有1340億個粒子的1000倍大的宇宙,研究人員的新方法在單個圖形處理單元上需要16個小時。使用傳統(tǒng)的方法,完成這種規(guī)模和分辨率的模擬將需要一臺專門的超級計算機來完成。
科學家們使用宇宙學模擬來預(yù)測宇宙在各種情況下的樣子,例如,如果拉開宇宙的暗能量隨時間變化,然后通過望遠鏡觀測確認模擬的預(yù)測是否符合現(xiàn)實。
"宇宙是最大的數(shù)據(jù)集--人工智能是理解宇宙和揭示新物理學的關(guān)鍵,"卡內(nèi)基梅隆大學物理系教授兼主任、國家科學基金會規(guī)劃研究所所長斯科特-多德爾森說。"這項研究說明了國家科學基金會人工智能規(guī)劃研究所將如何通過人工智能、機器學習、統(tǒng)計學和數(shù)據(jù)科學推動物理學的發(fā)展。"
"很明顯,人工智能正在對許多科學領(lǐng)域產(chǎn)生巨大的影響,包括物理學和天文學,"NSF物理學部的項目主任James Shank說。 "我們的人工智能規(guī)劃研究所項目正在努力推動人工智能加速發(fā)現(xiàn)。這項新成果是人工智能如何改變宇宙學的一個很好的例子。"
Ni和Li利用這些領(lǐng)域創(chuàng)建了一套代碼,使用神經(jīng)網(wǎng)絡(luò)來預(yù)測引力如何在一段時間內(nèi)移動暗物質(zhì)。這些網(wǎng)絡(luò)接受訓(xùn)練數(shù)據(jù),運行計算,并將結(jié)果與預(yù)期結(jié)果進行比較。隨著進一步的訓(xùn)練,網(wǎng)絡(luò)適應(yīng)并變得更加準確。
研究人員使用的具體方法,被稱為生成對抗網(wǎng)絡(luò),讓兩個神經(jīng)網(wǎng)絡(luò)相互對抗。一個網(wǎng)絡(luò)對宇宙進行低分辨率的模擬,并使用它們來生成高分辨率的模型。另一個網(wǎng)絡(luò)試圖將這些模擬與傳統(tǒng)方法制作的模擬區(qū)分開來。隨著時間的推移,兩個神經(jīng)網(wǎng)絡(luò)都變得越來越好,直到最終,模擬生成器勝出并創(chuàng)造出快速模擬的能力。
盡管只是使用小面積的空間進行訓(xùn)練,但神經(jīng)網(wǎng)絡(luò)準確地復(fù)制了只有在巨大的模擬中出現(xiàn)的大規(guī)模結(jié)構(gòu)。
不過,這些模擬并沒有捕捉到一切。因為他們專注于暗物質(zhì)和引力,較小規(guī)模的現(xiàn)象--如恒星形成、超新星和黑洞的影響被排除在外。研究人員計劃擴展他們的方法,以包括負責此類現(xiàn)象的力量,并在常規(guī)模擬中加載他們的神經(jīng)網(wǎng)絡(luò),以提高準確性。