Los investigadores han creado con éxito un modelo del Universo utilizando inteligencia artificial, informa un nuevo estudio.

Los investigadores buscan comprender nuestro Universo haciendo predicciones de modelos que coincidan con las observaciones. Históricamente, han podido modelar sistemas físicos simples o muy simplificados, en broma apodado las "vacas esféricas, "con lápices y papel. Más tarde, la llegada de las computadoras les permitió modelar fenómenos complejos con simulaciones numéricas. Por ejemplo, Los investigadores han programado supercomputadoras para simular el movimiento de miles de millones de partículas a lo largo de miles de millones de años de tiempo cósmico. un procedimiento conocido como simulaciones de N-cuerpos, para estudiar cómo evolucionó el Universo hasta lo que observamos hoy.

"Ahora, con el aprendizaje automático, hemos desarrollado el primer modelo de red neuronal del Universo, y demostró que hay una tercera ruta para hacer predicciones, uno que combine los méritos tanto del cálculo analítico como de la simulación numérica, "dijo Yin Li, Investigador postdoctoral en el Instituto Kavli de Física y Matemáticas del Universo, Universidad de Tokio, y conjuntamente con la Universidad de California, Berkeley.

Una comparación de la precisión de dos modelos del Universo. El nuevo modelo de aprendizaje profundo (izquierda), apodado D3M, es mucho más preciso que un método analítico existente (derecha) llamado 2LPT. Los colores representan el error en el desplazamiento en cada punto relativo a la simulación numérica, que es preciso pero mucho más lento que el modelo de aprendizaje profundo.

Al comienzo de nuestro Universo, las cosas eran extremadamente uniformes. Conforme el tiempo fue pasando, las partes más densas se volvieron más densas y las partes más dispersas se volvieron más dispersas debido a la gravedad, eventualmente formando una estructura similar a una espuma conocida como la "red cósmica". Para estudiar este proceso de formación de estructuras, los investigadores han probado muchos métodos, incluyendo cálculos analíticos y simulaciones numéricas. Los métodos analíticos son rápidos, pero no producen resultados precisos para grandes fluctuaciones de densidad. Por otra parte, Los métodos numéricos (cuerpos N) simulan la formación de estructuras con precisión, pero rastrear miles de millones de partículas es costoso, incluso en supercomputadoras. Por lo tanto, para modelar el Universo, los científicos a menudo se enfrentan a la disyuntiva entre precisión y eficiencia.

Sin embargo, el crecimiento explosivo de los datos de observación en calidad y cantidad requiere métodos que se destaquen tanto en precisión como en eficiencia.

Para afrontar este desafío, un equipo de investigadores de EE. UU., Canadá, y japón, incluido Li, fijan su mirada en el aprendizaje automático, un enfoque de vanguardia para detectar patrones y hacer predicciones. Así como el aprendizaje automático puede transformar el retrato de un joven en su yo mayor, Li y sus colegas preguntaron si también puede predecir cómo evolucionan los universos en función de sus primeras instantáneas. Entrenaron una red neuronal convolucional con datos de simulación de billones de años luz cúbicos en volumen, y construyó un modelo de aprendizaje profundo que pudo imitar el proceso de formación de la estructura. El nuevo modelo no solo es muchas veces más preciso que los métodos analíticos, pero también es mucho más eficiente que las simulaciones numéricas utilizadas para su entrenamiento.

"Tiene las ventajas de los métodos anteriores [de cálculo analítico y simulación numérica], "dijo Li.

Li dice que el poder de la emulación de IA aumentará en el futuro. Las simulaciones de N-body ya están muy optimizadas, y como primer intento, El modelo de IA de su equipo todavía tiene un gran margen de mejora. También, Los fenómenos más complicados incurren en un mayor costo de simulación, pero no es probable que sea así en la emulación. Li y sus colegas esperan una mayor ganancia de rendimiento de su emulador de IA cuando pasan a incluir otros efectos, como la hidrodinámica, en las simulaciones.

"No pasará mucho tiempo antes de que podamos descubrir las condiciones iniciales y la física codificada en nuestro Universo a lo largo de este camino, " él dijo.