I ricercatori hanno creato con successo un modello dell'Universo usando l'intelligenza artificiale, riporta un nuovo studio.

I ricercatori cercano di comprendere il nostro Universo effettuando previsioni di modelli che corrispondano alle osservazioni. Storicamente, sono stati in grado di modellare sistemi fisici semplici o altamente semplificati, soprannominata scherzosamente le "mucche sferiche, " con matite e carta. Più tardi, l'arrivo dei computer ha permesso loro di modellare fenomeni complessi con simulazioni numeriche. Per esempio, i ricercatori hanno programmato supercomputer per simulare il movimento di miliardi di particelle attraverso miliardi di anni di tempo cosmico, una procedura nota come simulazioni a N-corpi, per studiare come l'Universo si è evoluto fino a quello che osserviamo oggi.

"Ora con l'apprendimento automatico, abbiamo sviluppato il primo modello di rete neurale dell'Universo, e ha dimostrato che c'è una terza strada per fare previsioni, uno che combina i meriti sia del calcolo analitico che della simulazione numerica, " disse Yin Li, un ricercatore post-dottorato presso l'Istituto Kavli per la fisica e la matematica dell'universo, Università di Tokyo, e congiuntamente l'Università della California, Berkeley.

Un confronto dell'accuratezza di due modelli dell'Universo. Il nuovo modello di deep learning (a sinistra), soprannominato D3M, è molto più accurato di un metodo analitico esistente (a destra) chiamato 2LPT. I colori rappresentano l'errore di spostamento in ogni punto relativo alla simulazione numerica, che è accurato ma molto più lento del modello di deep learning.

All'inizio del nostro Universo, le cose erano estremamente uniformi. Col passare del tempo, le parti più dense sono diventate più dense e le parti più rade sono diventate più rade a causa della gravità, alla fine formando una struttura simile alla schiuma nota come "rete cosmica". Per studiare questo processo di formazione della struttura, i ricercatori hanno provato molti metodi, compresi calcoli analitici e simulazioni numeriche. I metodi analitici sono veloci, ma non riescono a produrre risultati accurati per grandi fluttuazioni di densità. D'altra parte, i metodi numerici (N-corpi) simulano accuratamente la formazione della struttura, ma tracciare miliardi di particelle è costoso, anche sui supercomputer. Così, modellare l'Universo, gli scienziati spesso affrontano il compromesso tra precisione ed efficienza.

Però, la crescita esplosiva dei dati osservativi in ​​qualità e quantità richiede metodi che eccellono sia in accuratezza che in efficienza.

Per affrontare questa sfida, un team di ricercatori statunitensi, Canada, e Giappone, compreso Li, puntare sull'apprendimento automatico, un approccio all'avanguardia per rilevare schemi e fare previsioni. Proprio come l'apprendimento automatico può trasformare il ritratto di un giovane uomo nel suo sé più anziano, Li e colleghi hanno chiesto se può anche prevedere come si evolvono gli universi in base alle loro prime istantanee. Hanno addestrato una rete neurale convoluzionale con dati di simulazione di trilioni di anni luce cubi di volume, e ha costruito un modello di apprendimento profondo in grado di imitare il processo di formazione della struttura. Il nuovo modello non solo è molte volte più accurato dei metodi analitici, ma è anche molto più efficiente delle simulazioni numeriche utilizzate per il suo addestramento.

"Ha i punti di forza di entrambi i precedenti metodi [calcolo analitico e simulazione numerica], " disse Li.

Li afferma che la potenza dell'emulazione dell'IA aumenterà in futuro. Le simulazioni a N-corpi sono già fortemente ottimizzate, e come primo tentativo, il modello di intelligenza artificiale del suo team ha ancora ampi margini di miglioramento. Anche, fenomeni più complicati comportano un costo maggiore sulla simulazione, ma probabilmente non è così per l'emulazione. Li e i suoi colleghi si aspettano un maggiore guadagno in termini di prestazioni dal loro emulatore AI quando passano a includere altri effetti, come l'idrodinamica, nelle simulazioni.

"Non passerà molto tempo prima che possiamo scoprire le condizioni iniziali e la fisica codificata nel nostro Universo lungo questo percorso, " Egli ha detto.