機械学習のちょっとした魔法を使って、科学者は広大で複雑な宇宙を従来の方法の 分の の時間でモデル化できるようになりました。 新しいアプローチは、高解像度の宇宙論的シミュレーションの新時代の到来を告げるのに役立ちます。
ニューヨークのフラットアイアン研究所の天体物理学者である Yin Li と彼の同僚によって開発された新しい方法は、空間の小さな領域の低解像度モデルと高解像度モデルの両方を備えた機械学習アルゴリズムを提供します。 このアルゴリズムは、低解像度モデルをスケーリングして、高解像度バージョンで見られる詳細に一致させる方法を教えます。 トレーニング後、コードはフルスケールの低解像度モデルを使用して、512 倍の粒子を含む超高解像度シミュレーションを生成できます。
このスケーリングにより、時間を大幅に節約できます。 500 億 134 万個の粒子を含む直径約 560 億光年の宇宙の領域の場合、既存の方法では、単一の処理コアを使用して高解像度のシミュレーションを完了するのに 36 時間かかります。 科学者によると、この新しいアプローチでは、わずか 1000 分しかかかりません。 より多くのパーティクルをシミュレーションに追加すると、結果はさらに印象的になりました。 134 倍の大きさで 16 億個の粒子を含む宇宙の場合、研究者の新しい方法は つの GPU で 時間かかりました。
また興味深い：
専門家によると、宇宙論シミュレーションの実行に必要な時間を短縮することで、「数値宇宙論と天体物理学の大幅な進歩を確実にすることができます。 宇宙論的シミュレーションは、宇宙の歴史をすべての銀河とそのブラックホールの形成にまでさかのぼります。」
これまでのところ、新しいモデルは暗黒物質と重力のみを考慮しています。 これは単純化しすぎているように思えるかもしれませんが、大規模な宇宙では確かに重力が支配的な力であり、暗黒物質は宇宙のすべての「物質」の 85% を占めています。 シミュレーションの粒子は、文字通りの暗黒物質粒子ではなく、暗黒物質粒子が宇宙をどのように移動するかを示すトラッカーとして使用されます。
暗黒物質と重力のみに焦点を当てており、星形成、超新星、ブラックホールの影響などの小規模な現象は考慮されていないため、シミュレーションはすべてを捉えているわけではありません。 研究者たちは、このような現象の原因となる力を含むように方法を拡張し、精度を向上させるために従来のシミュレーションと並行してその場でニューラル ネットワークを実行することを計画しています。
また読む：