Кішкене машиналық оқыту сиқырын қолдана отырып, ғалымдар енді кең және күрделі ғаламдарды әдеттегі әдістерді қажет ететін уақыттың мыңнан бір бөлігінде модельдей алады. Жаңа тәсіл жоғары ажыратымдылықтағы космологиялық модельдеулердің жаңа дәуірін бастауға көмектеседі.
Нью-Йорктегі Флатирон институтының астрофизигі Инь Ли және оның әріптестері әзірлеген жаңа әдіс ғарыштың шағын аймағының төмен және жоғары ажыратымдылықтағы модельдерімен машиналық оқыту алгоритмін ұсынады. Алгоритм ажыратымдылығы жоғары нұсқаларда табылған мәліметтермен сәйкестендіру үшін ажыратымдылығы төмен үлгілерді масштабтауды үйретеді. Оқытылғаннан кейін код толық масштабты, төмен ажыратымдылықтағы үлгілерді қабылдай алады және құрамында 512 есе көп бөлшектерді қамтитын ультра жоғары ажыратымдылықтағы модельдеулерді жасай алады.
Бұл масштабтау уақытты айтарлықтай үнемдейді. 500 миллион бөлшектерден тұратын кеңдігі шамамен 134 миллион жарық жылы болатын Ғаламның аймағы үшін бір өңдеу ядросы арқылы жоғары ажыратымдылықты модельдеуді аяқтау үшін қолданыстағы әдістер 560 сағатты алады. Ғалымдардың айтуынша, бұл жаңа тәсілмен бар болғаны 36 минутты алады. Модельдеуге көбірек бөлшектер қосылғанда нәтижелер одан да әсерлі болды. 1000 есе үлкен және 134 миллиард бөлшектерден тұратын ғалам үшін зерттеушілердің жаңа әдісі бір GPU-да 16 сағатты алды.
Сондай-ақ қызықты:
- Ғаламдағы алғашқы бөлшектер қайта жасалды. Спойлер туралы ескерту: олар біртүрлі көрінеді
- Жаңа зерттеу біздің ғаламның 70% құрайтынына күмән тудырады
Сарапшылардың пікірінше, космологиялық модельдеуді жүргізуге қажетті уақытты қысқарту «сандық космология мен астрофизикадағы елеулі прогресті қамтамасыз ете алады. Космологиялық симуляциялар ғаламның тарихын барлық галактикалар мен олардың қара тесіктерінің пайда болуына дейін бақылайды».
Әзірге жаңа модельдер тек қараңғы материя мен гравитацияны қарастырады. Бұл тым жеңілдету сияқты көрінгенімен, гравитация кең ауқымда ғаламдағы басым күш болып табылады және қараңғы материя ғарыштағы барлық «материяның» 85% құрайды. Модельдеудегі бөлшектер қараңғы материяның нақты бөлшектері емес, олардың орнына қара материя бөлшектерінің ғаламда қалай қозғалатынын көрсету үшін трекерлер ретінде пайдаланылады.
Модельдеу барлығын түсірмейді, өйткені ол тек қараңғы материя мен гравитацияға бағытталған, жұлдыздардың пайда болуы, суперновалар және қара тесіктердің әсері сияқты шағын масштабты құбылыстар ескерілмейді. Зерттеушілер дәлдікті жақсарту үшін мұндай құбылыстарға жауапты күштерді қосу және олардың нейрондық желілерін кәдімгі модельдеумен қатар жүргізу үшін өз әдістерін кеңейтуді жоспарлап отыр.
Сондай-ақ оқыңыз: