Un confronto dell'accuratezza di due modelli dell'universo. Il nuovo modello (a sinistra), soprannominato D
3
M, è sia più veloce che più accurato di un metodo esistente (a destra) chiamato teoria delle perturbazioni del secondo ordine, o 2LPT. I colori rappresentano l'errore di spostamento medio in milioni di anni luce per ogni punto della griglia rispetto a un modello ad alta precisione (anche se molto più lento). Credito:S. He et al./
Per la prima volta, gli astrofisici hanno utilizzato tecniche di intelligenza artificiale per generare complesse simulazioni 3D dell'universo. I risultati sono così veloci, accurato e robusto che anche i creatori non sono sicuri di come funzioni il tutto.
"Possiamo eseguire queste simulazioni in pochi millisecondi, mentre altre simulazioni "veloci" richiedono un paio di minuti, ", afferma la coautrice dello studio Shirley Ho, capogruppo presso il Center for Computational Astrophysics del Flatiron Institute di New York City e professore a contratto presso la Carnegie Mellon University. "Non solo quello, ma siamo molto più precisi".
La velocità e la precisione del progetto, chiamato modello di spostamento della densità profonda, o D 3 M in breve, non è stata la sorpresa più grande per i ricercatori. Il vero shock è stato che D 3 M è stato in grado di simulare con precisione come apparirebbe l'universo se alcuni parametri fossero stati modificati, ad esempio quanto del cosmo è materia oscura, anche se il modello non aveva mai ricevuto dati di addestramento in cui tali parametri variassero.
"È come insegnare un software di riconoscimento delle immagini con molte immagini di cani e gatti, ma poi sa riconoscere gli elefanti, " Ho spiega. "Nessuno sa come fa questo, ed è un grande mistero da risolvere".
Ho e i suoi colleghi presentano D 3 M 24 giugno in Atti dell'Accademia Nazionale delle Scienze . Lo studio è stato condotto da Siyu He, un analista di ricerca del Flatiron Institute.
Ho e He hanno lavorato in collaborazione con Yin Li del Berkeley Center for Cosmological Physics dell'Università della California, Berkeley, e il Kavli Institute for the Physics and Mathematics of the Universe vicino a Tokyo; Yu Feng del Berkeley Center for Cosmological Physics; Wei Chen dell'Istituto Flatiron; Siamak Ravanbakhsh dell'Università della British Columbia a Vancouver; e Barnabás Póczos della Carnegie Mellon University.
Simulazioni al computer come quelle fatte da D 3 M sono diventati essenziali per l'astrofisica teorica. Gli scienziati vogliono sapere come il cosmo potrebbe evolversi in vari scenari, come se l'energia oscura che separa l'universo variasse nel tempo. Tali studi richiedono l'esecuzione di migliaia di simulazioni, rendere un modello computerizzato fulmineo e altamente accurato uno dei principali obiettivi dell'astrofisica moderna.
D 3 M modella come la gravità modella l'universo. I ricercatori hanno scelto di concentrarsi solo sulla gravità perché è di gran lunga la forza più importante quando si tratta dell'evoluzione su larga scala del cosmo.
Le simulazioni dell'universo più accurate calcolano come la gravità sposta ciascuno dei miliardi di singole particelle durante l'intera età dell'universo. Quel livello di precisione richiede tempo, richiedendo circa 300 ore di calcolo per una simulazione. I metodi più veloci possono completare le stesse simulazioni in circa due minuti, ma le scorciatoie richieste comportano una minore precisione.
oh, Lui e i loro colleghi hanno affinato la rete neurale profonda che alimenta D 3 M alimentandolo 8, 000 diverse simulazioni da uno dei modelli più precisi disponibili. Le reti neurali prendono i dati di addestramento ed eseguono calcoli sulle informazioni; i ricercatori quindi confrontano il risultato risultante con il risultato atteso. Con ulteriore formazione, le reti neurali si adattano nel tempo per produrre risultati più rapidi e accurati.
Dopo l'allenamento D 3 M, i ricercatori hanno eseguito simulazioni di un universo a forma di scatola di 600 milioni di anni luce e hanno confrontato i risultati con quelli dei modelli lenti e veloci. Considerando che l'approccio lento ma accurato ha richiesto centinaia di ore di tempo di calcolo per simulazione e il metodo veloce esistente ha richiesto un paio di minuti, D 3 M potrebbe completare una simulazione in soli 30 millisecondi.
D 3 M ha anche sfornato risultati accurati. Rispetto al modello ad alta precisione, D 3 M ha avuto un errore relativo del 2,8 percento. Usando lo stesso confronto, il modello veloce esistente aveva un errore relativo del 9,3%.
D 3 La notevole capacità di M di gestire le variazioni dei parametri non presenti nei suoi dati di allenamento lo rende uno strumento particolarmente utile e flessibile, Ho dice. Oltre a modellare altre forze, come l'idrodinamica, Il team di Ho spera di saperne di più su come funziona il modello sotto il cofano. Ciò potrebbe portare benefici per il progresso dell'intelligenza artificiale e dell'apprendimento automatico, Ho dice.
"Possiamo essere un parco giochi interessante da utilizzare per uno studente di machine learning per capire perché questo modello si estrapola così bene, perché si estrapola agli elefanti invece di riconoscere solo cani e gatti, ", dice. "È una strada a doppio senso tra scienza e apprendimento profondo".
