Кажется, что первое в мире моделирование искусственного интеллекта во Вселенной работает как настоящая вещь - и почти так же загадочно.
Исследователи сообщили о новой симуляции 24 июня в журнале «Известия Национальной академии наук». Цель состояла в том, чтобы создать виртуальную версию космоса, чтобы моделировать различные условия для начала вселенной, но ученые также надеются изучить их собственное моделирование, чтобы понять, почему это работает так хорошо.
«Это все равно, что обучать программам распознавания изображений с большим количеством изображений кошек и собак, но затем он способен распознавать слонов», - сказал соавтор исследования Ширли Хо, теоретик-астрофизик из Центра вычислительной астрофизики в Нью-Йорке, заявление. «Никто не знает, как это происходит, и это большая загадка, которую нужно разгадать».
Имитация вселенной
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, настраивая различные параметры, чтобы определить, какой сценарий наиболее вероятен в реальном мире.
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 «обучения» со временем, как манипулировать этими данными. В случае D ^ 3M, исследователи вводили 8000 симуляций с 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 диаметром 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 она использовала для обучения. Моделирование было сосредоточено на роли гравитации в формировании вселенной. Что удивительно, сказал Хо, так это то, что когда исследователи меняли совершенно новые параметры, такие как количество темной материи в виртуальной вселенной, D ^ 3M все еще мог справляться с симуляциями - несмотря на то, что никогда не обучался тому, как обращаться с темной материей вариации.
Компьютеры и космология
Хо сказал, что эта особенность D ^ 3M является загадкой и делает моделирование интригующим как для вычислительной науки, так и для космологии.
«Мы можем быть интересной игровой площадкой для ученика, который может использовать эту модель, чтобы понять, почему эта модель экстраполирует так хорошо, почему она экстраполирует на слонов, а не просто распознает кошек и собак», - сказала она. «Это улица с двусторонним движением между наукой и глубоким обучением».
Эта 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, как такие факторы, как гидродинамика или движение жидкостей и газов, могли сформировать формирование вселенной.
