Първата в историята симулация на изкуствен интелект на Вселената изглежда работи като истинското - и е почти толкова загадъчна.
Изследователите съобщиха за новата симулация на 24 юни в списанието Proceedings of the National Academy of Sciences. Целта беше да се създаде виртуална версия на Космоса, за да се симулират различни условия за началото на Вселената, но учените също се надяват да изучат собствената си симулация, за да разберат защо тя работи толкова добре.
„Това е като преподаване на софтуер за разпознаване на изображения с много снимки на котки и кучета, но след това е в състояние да разпознае слонове“, съавторът на проучването Ширли Хо, теоретичен астрофизик в Центъра за изчислителна астрофизика в Ню Йорк, каза в изявление. "Никой не знае как става това. Голяма загадка е да бъде решена."
Симулиране на Вселената
Като се има предвид огромната възраст и мащаб на Вселената, разбирането на нейното формиране е обезсърчително предизвикателство. Един от инструментите в инструментариума на астрофизиците е компютърното моделиране. Традиционните модели изискват много изчислителна мощност и време, защото астрофизиците може да се наложи да стартират хиляди симулации, настройвайки различни параметри, за да определят кой е най-вероятният сценарий в реалния свят.
Хо и нейните колеги създадоха дълбока невронна мрежа, за да ускорят процеса. Озаглавена от модела за изместване на дълбоката плътност или D ^ 3M, тази невронна мрежа е проектирана да разпознава общи характеристики в данните и да се „научава“ във времето как да манипулира тези данни. В случая на D ^ 3M, изследователите въведоха 8000 симулации от високоточен традиционен компютърен модел на Вселената. След като D ^ 3M научиха как работят тези симулации, изследователите поставиха чисто нова, никога не виждана досега симулация на виртуална кубична вселена с размери 600 милиона светлинни години. (Истинската наблюдаема Вселена е около 93 милиарда светлинни години.)
Невронната мрежа беше в състояние да стартира симулации в тази нова вселена, точно както имаше в 8000-симулационния набор данни, който беше използвал за обучение. Симулациите бяха фокусирани върху ролята на гравитацията във формирането на Вселената. Изненадващо, каза Хо, беше, че когато изследователите варираха чисто нови параметри, като количеството тъмна материя във виртуалната Вселена, D ^ 3M все още беше в състояние да се справи с симулациите - въпреки че никога не е бил обучен как да борави с тъмната материя вариации.
Компютри и космология
Тази характеристика на D ^ 3M е загадка, каза Хо и прави симулацията интригуваща както за изчислителната наука, така и за космологията.
„Можем да бъдем интересна площадка за машинен обучаем, който да използва защо този модел екстраполира толкова добре, защо екстраполира на слонове, вместо просто да разпознава котки и кучета“, каза тя. "Това е двупосочна улица между науката и дълбокото учене."
Моделът може също така да спести време за изследователи, които се интересуват от универсален произход. Новата невронна мрежа може да завърши симулации за 30 милисекунди, в сравнение с няколко минути за най-бързия метод за симулация на изкуствен интелект. Мрежата също имаше грешка от 2,8% в сравнение с 9,3% за съществуващия най-бърз модел. (Тези проценти на грешки се сравняват със златен стандарт за точност, модел, който отнема стотици часове за всяка симулация.)
Сега изследователите планират да променят други параметри в новата невронна мрежа, проучвайки как фактори като хидродинамика или движението на течности и газове може да са формирали образуването на Вселената.
