• Home
  • Química
  • Astronomía
  • Energía
  • Naturaleza
  • Biología
  • Física
  • Electrónica
  •  science >> Ciencia >  >> Astronomía
    El primer simulador de universo de IA es rápido y preciso, y sus creadores no saben cómo funciona.

    Una comparación de la precisión de dos modelos del universo. El nuevo modelo (izquierda), apodado D 3 METRO, es más rápido y más preciso que un método existente (derecha) llamado teoría de perturbación de segundo orden, o 2LPT. Los colores representan el error de desplazamiento promedio en millones de años luz para cada punto de la cuadrícula en relación con un modelo de alta precisión (aunque mucho más lento). Crédito:S. He et al./ procedimientos de la Academia Nacional de Ciencias 2019

    Por primera vez, Los astrofísicos han utilizado técnicas de inteligencia artificial para generar complejas simulaciones tridimensionales del universo. Los resultados son tan rápidos preciso y robusto que incluso los creadores no están seguros de cómo funciona todo.

    "Podemos ejecutar estas simulaciones en unos pocos milisegundos, mientras que otras simulaciones "rápidas" tardan un par de minutos, "dice la coautora del estudio, Shirley Ho, líder de grupo en el Centro de Astrofísica Computacional del Instituto Flatiron en la ciudad de Nueva York y profesor adjunto en la Universidad Carnegie Mellon. "No solo eso, pero somos mucho más precisos ".

    La velocidad y precisión del proyecto, llamado modelo de desplazamiento de densidad profunda, o D 3 M para abreviar, no fue la mayor sorpresa para los investigadores. El verdadero impacto fue que D 3 M podría simular con precisión cómo se vería el universo si se modificaran ciertos parámetros, como qué parte del cosmos es materia oscura, a pesar de que el modelo nunca había recibido ningún dato de entrenamiento en el que esos parámetros variaran.

    "Es como enseñar software de reconocimiento de imágenes con muchas imágenes de perros y gatos, pero luego es capaz de reconocer elefantes, "Ho explica." Nadie sabe cómo se hace esto, y es un gran misterio por resolver ".

    Ho y sus colegas presentan D 3 M 24 de junio en el procedimientos de la Academia Nacional de Ciencias . El estudio fue dirigido por Siyu He, analista de investigación del Flatiron Institute.

    Ho y He trabajaron en colaboración con Yin Li del Centro de Física Cosmológica de Berkeley en la Universidad de California, Berkeley, y el Instituto Kavli de Física y Matemáticas del Universo cerca de Tokio; Yu Feng del Centro de Física Cosmológica de Berkeley; Wei Chen del Instituto Flatiron; Siamak Ravanbakhsh de la Universidad de Columbia Británica en Vancouver; y Barnabás Póczos de Carnegie Mellon University.

    Simulaciones por ordenador como las realizadas por D 3 M se han vuelto esenciales para la astrofísica teórica. Los científicos quieren saber cómo podría evolucionar el cosmos en varios escenarios, como si la energía oscura que separa el universo variara con el tiempo. Tales estudios requieren ejecutar miles de simulaciones, hacer de un modelo informático ultrarrápido y de alta precisión uno de los principales objetivos de la astrofísica moderna.

    D 3 M modela cómo la gravedad da forma al universo. Los investigadores optaron por centrarse solo en la gravedad porque es, con mucho, la fuerza más importante cuando se trata de la evolución a gran escala del cosmos.

    Las simulaciones del universo más precisas calculan cómo la gravedad desplaza cada uno de los miles de millones de partículas individuales a lo largo de toda la edad del universo. Ese nivel de precisión lleva tiempo, requiriendo alrededor de 300 horas de cálculo para una simulación. Los métodos más rápidos pueden terminar las mismas simulaciones en aproximadamente dos minutos, pero los atajos requeridos dan como resultado una menor precisión.

    Ho, Él y sus colegas perfeccionaron la red neuronal profunda que impulsa a D 3 M alimentándolo 8, 000 simulaciones diferentes de uno de los modelos de mayor precisión disponibles. Las redes neuronales toman datos de entrenamiento y ejecutan cálculos sobre la información; los investigadores luego comparan el resultado resultante con el resultado esperado. Con más formación, Las redes neuronales se adaptan con el tiempo para producir resultados más rápidos y precisos.

    Después del entrenamiento D 3 METRO, los investigadores realizaron simulaciones de un universo en forma de caja de 600 millones de años luz de diámetro y compararon los resultados con los de los modelos lento y rápido. Mientras que el enfoque lento pero preciso tomó cientos de horas de tiempo de cálculo por simulación y el método rápido existente tomó un par de minutos, D 3 M podría completar una simulación en solo 30 milisegundos.

    D 3 M también produjo resultados precisos. En comparación con el modelo de alta precisión, D 3 M tuvo un error relativo del 2.8 por ciento. Usando la misma comparación, el modelo rápido existente tenía un error relativo del 9,3 por ciento.

    D 3 La notable capacidad de M para manejar variaciones de parámetros que no se encuentran en sus datos de entrenamiento lo convierte en una herramienta especialmente útil y flexible, Ho dice. Además de modelar otras fuerzas, como la hidrodinámica, El equipo de Ho espera aprender más sobre cómo funciona el modelo bajo el capó. Hacerlo podría generar beneficios para el avance de la inteligencia artificial y el aprendizaje automático, Ho dice.

    "Podemos ser un campo de juego interesante para que un aprendiz automático lo use para ver por qué este modelo se extrapola tan bien, por qué se extrapola a los elefantes en lugar de solo reconocer gatos y perros, ", dice." Es una calle de doble sentido entre la ciencia y el aprendizaje profundo ".


    © Ciencia https://es.scienceaq.com