Med hjälp av lite maskininlärningsmagi kan forskare nu modellera stora och komplexa universum på en tusendel av tiden det tar med konventionella metoder. Det nya tillvägagångssättet kommer att hjälpa till att inleda en ny era av högupplösta kosmologiska simuleringar.
Den nya metoden, utvecklad av Yin Li, en astrofysiker vid Flatiron Institute i New York, och hans kollegor, tillhandahåller en maskininlärningsalgoritm med både låg- och högupplösta modeller av ett litet område i rymden. Algoritmen lär ut hur man skalar lågupplösta modeller för att matcha detaljerna som finns i högupplösta versioner. När den väl har tränats kan koden ta fullskaliga, lågupplösta modeller och generera ultrahögupplösta simuleringar som innehåller 512 gånger fler partiklar.
Denna skalning ger betydande tidsbesparingar. För en region av universum med en diameter på cirka 500 miljoner ljusår, som innehåller 134 miljoner partiklar, tar befintliga metoder 560 timmar att slutföra en högupplöst simulering med en enda bearbetningskärna. Forskare säger att med den nya metoden tar det bara 36 minuter. Resultaten var ännu mer imponerande när fler partiklar lades till i simuleringen. För universum, som är 1000 134 gånger större och innehåller 16 miljarder partiklar, tog forskarnas nya metod XNUMX timmar på en GPU.
Också intressant:
- De första partiklarna i universum har återskapats. Spoiler alert: de ser konstiga ut
- En ny studie väcker tvivel om sammansättningen av 70 % av vårt universum
Enligt experter kan en minskning av tiden som krävs för att genomföra kosmologiska simuleringar "försäkra betydande framsteg inom numerisk kosmologi och astrofysik. Kosmologiska simuleringar spårar universums historia tillbaka till bildandet av alla galaxer och deras svarta hål."
Hittills tar de nya modellerna endast hänsyn till mörk materia och gravitation. Även om detta kan verka som en alltför förenkling, är gravitationen säkerligen den dominerande kraften i universum i stor skala, och mörk materia utgör 85% av all "materia" i kosmos. Partiklarna i simuleringen är inte bokstavliga mörk materia partiklar, utan används istället som spårare för att visa hur mörk materia partiklar rör sig genom universum.
Simuleringen fångar inte allt, eftersom den bara fokuserar på mörk materia och gravitation, småskaliga fenomen som stjärnbildning, supernovor och effekterna av svarta hål tas inte med i beräkningen. Forskarna planerar att utöka sina metoder till att inkludera de krafter som är ansvariga för sådana fenomen och köra sina neurala nätverk i farten tillsammans med konventionella simuleringar för att förbättra noggrannheten.
Läs också: