Image Image Image Image Image Image Image Image Image Image

Новости астрономии и астрофизики – The Universe Times | 19.09.2019

Scroll to top

Top

Нет комментариев

Исследователи успешно создали модель вселенной с помощью искусственного интеллекта

Исследователи успешно создали модель вселенной с помощью искусственного интеллекта

Специалисты стремятся понять нашу вселенную максимально полно, поэтому постоянно проводят не только визуальные наблюдения с помощью телескопов, но и выдвигают предположения на основе предсказаний математических моделей, соответствующих наблюдениям.

Исторически сложилось так, что специалисты могли только с помощью карандаша и бумаги моделировать лишь простые или сильно упрощенные физические системы, шутливо называемые “сферическими коровами” (в нашей традиции корова заменена на сферического коня). Хорошо видно, что идиома о корове в вакууме пародирует всевозможные физические выкладки, в которых для упрощения делаются такие допущения, что ситуация приближается к идеальной, а значит, к несуществующей.

Модели вселенной

Сравнение точности двух математических моделей вселенной. Новая модель, основанная на глубоком машинном обучении, показана слева. Её именуют D3M, и она значительно точнее, чем существующий аналитический метод справа, под названием 2LPT. Цвета обозначают ошибки в перемещениях в каждой точке относительно числового моделирования, которое аккуратнее, но занимает намного больше машинного времени. Источник: S. He et al./PNAS2019

Позднее, появление компьютеров позволило моделировать сложные явления с помощью численного моделирования. Например, исследователи запрограммировали суперкомпьютеры для моделирования движения миллиардов частиц на отрезке времени в миллиарды лет космической эволюции. Это процедура, известную как моделирование N-тел, а предназначена она для изучения того, как вселенная могла эволюционировать до того своего состояния, которое мы наблюдаем сегодня.

“Теперь, с помощью машинного обучения мы разработали первую модель нейронной сети вселенной и продемонстрировали, что есть третий путь к предсказаниям, который сочетает в себе достоинства как аналитического расчёта, так и численного моделирования”, – сказал Инь Ли, постдокторант и исследователь в Институте физики и математики вселенной имени Кавли Токийского университета.

В начале существования нашей вселенной всё пространство было чрезвычайно однородно. С течением времени под действием гравитации более плотные части становились всё плотнее, а более разреженные всё разреженнее. В конечном итоге образовалась пенообразная структура, известная как “космическая паутина”.

Для изучения этого процесса образования космических структур исследователи испробовали множество методов, включая аналитические расчёты и численное моделирование. Аналитические методы быстры, но не дают точных результатов для больших флуктуаций плотности. С другой стороны, численные методы (задача N-тел) точно моделируют формирование структуры, но отслеживание не местного количества частиц является дорогостоящим, даже на суперкомпьютерах. Таким образом, для моделирования Вселенной ученые часто сталкиваются с компромиссом между точностью и эффективностью.

Однако взрывной рост качества и количества данных наблюдений требует применения методов, отличающихся как точностью, так и эффективностью.

Чтобы решить эту проблему, команда исследователей из США, Канады и Японии, включая Инь Ли, нацелилась на использование машинного обучения – передового подхода к обнаружению закономерностей и составлению прогнозов. Точно так же, как машинное обучение может превратить портрет молодого человека в его более старое “я” (например, шумевшее пару месяцев назад приложение FaceApp), Ли с коллегами заинтересовались, может ли оно также предсказать, как развиваются вселенные на основе их ранних снимков.

В итоге, специалисты обучили свёрточную нейронную сеть с данными моделирования триллионов кубических световых лет в объеме и построили модель глубокого обучения, которая смогла имитировать процесс формирования структуры. Новая модель не только во много раз более точна, чем аналитические методы, но и гораздо более эффективна, чем численное моделирование, используемое для её обучения.

“Она имеет сильные стороны как предыдущих аналитических расчётов, так и методов численного моделирования”, – добавляет Ли.

Ли говорит, что возможности эмуляции искусственного интеллекта будет увеличиваться в будущем. Моделирование N-тел уже очень подробно оптимизировано, а в качестве первой попытки модель искусственного интеллекта команды всё ещё имеет большой простор для улучшения. Кроме того, более сложные явления требуют больших затрат на моделирование, но вряд ли то же самое можно сказать об эмуляции. Ли и коллеги ожидают большего прироста производительности от своего эмулятора ИИ, когда они перейдут к включению в моделирование других эффектов, таких как гидродинамика.

“Мы считаем, что идя по этому пути у нас не займёт много времени выявление начальных условия и физики, закодированной в нашей вселенной”.

По информации Института физики и математики вселенной имени Кавли.

Если вы нашли ошибку, пожалуйста, выделите фрагмент текста и нажмите Ctrl+Enter.

Оставьте комментарий

Добавить комментарий

Этот сайт использует Akismet для борьбы со спамом. Узнайте как обрабатываются ваши данные комментариев.

Сообщить об опечатке

Текст, который будет отправлен нашим редакторам:

Яндекс.Метрика Рейтинг@Mail.ru Лицензия Creative Commons «The Universe Times» Google