První simulátor vesmíru AI je rychlý a přesný, ani jeho tvůrci přesně nevědí, jak funguje
Astrofyzici poprvé použili techniky umělé inteligence ke generování komplexních 3D simulací vesmíru. Výsledky jsou tak rychlé, přesné a robustní, že ani tvůrci si nejsou jisti, jak to všechno funguje.
Magazín
Jak nasimulovat temnou hmotu
“Můžeme tyto simulace spustit za několik milisekund, zatímco jiné rychlé simulace zabírají několik minut,“ říká spoluautor studie Shirley Ho, vedoucí skupiny v Centru pro výpočetní astrofyziku Flatiron Institute v New Yorku a profesor na Carnegie Mellon University. Zároveň jsou simulace mnohem přesnější. Rychlost a přesnost projektu nazvaného Deep Density Displacement Model neboli D3M zkrátka nebyla pro vědce největším překvapením.
Skutečným šokem bylo, že D3M mohl přesně simulovat, jak by vesmír vypadal, kdyby byly určité parametry vyladěny - například, jak velká část vesmíru je temná hmota - i když model nikdy nedostal žádná tréninková data, kde by se tyto parametry měnily. Je to jako učit software pro rozpoznávání obrázků pomocí obrázků koček a psů, ale software pak dokáže rozpoznat i slony. Nikdo neví, jak to dělá, a je to velké tajemství, které je třeba vyřešit.
Naučit software
Počítačové simulace jako simulace vytvořené D3M se staly nezbytnými pro teoretickou astrofyziku. Vědci by rádi věděli, jak by se vesmír mohl vyvíjet v různých scénářích, když by se temná energie roztahující vesmír od sebe měnila v průběhu času. Tyto studie vyžadují spuštění tisíců simulací, díky nimž je počítačový model rychlý a velmi přesný a je to jeden z hlavních cílů moderní astrofyziky. D3M modely ukazují, jak gravitace formuje vesmír. Vědci se rozhodli soustředit se pouze na gravitaci, protože pokud jde o rozsáhlý vývoj vesmíru, je to zdaleka nejdůležitější síla.
Nejpřesnější simulace vesmíru počítají, jak gravitace posouvá každou z miliard jednotlivých částic v průběhu celého věku vesmíru. Tato úroveň přesnosti vyžaduje čas a vyžaduje asi 300 hodin výpočtu pro jednu simulaci. Rychlejší metody mohou dokončit stejné simulace přibližně za dvě minuty, ale požadované zkratky vedou k nižší přesnosti.
Osm tisíc simulací
Vědci vyladili hloubkovou neuronovou síť, která pohání projekt D3M tím, že mu poskytuje 8.000 různých simulací z jednoho z nejpřesnějších dostupných modelů. Neuronové sítě berou tréninková data a provádějí výpočty informací a vědci poté porovnávají skutečný výsledek s očekávaným výsledkem. S dalším tréninkem se neuronové sítě časem přizpůsobují tak, aby poskytovaly rychlejší a přesnější výsledky.
Po tréninku D3M provedli vědci simulace vesmírného pole pro 600 milionů světelných let a výsledky porovnali s výsledky u pomalých a rychlých modelů. Zatímco pomalý, ale přesný postup trval stovky hodin výpočetního času na simulaci, pak existující rychlá metoda trvala pouze několik minut, kdy D3M model mohl dokončit simulaci za pouhých 30 milisekund.
D3M také přinesl přesné výsledky. Ve srovnání s modelem s vysokou přesností měl D3M relativní chybu 2,8 procenta. Při použití stejného srovnání měl dříve rychlý model relativní chybu 9,3 procenta. Pozoruhodná schopnost D3M zvládnout změny parametrů, které se nenacházejí v jeho tréninkových datech, z něj činí zvláště užitečný a flexibilní nástroj. Kromě modelování dalších sil, jako je hydrodynamika, výzkumný tým doufá, že se dozví více o tom, jak model funguje na pozadí. To by mohlo přinést výhody pro pokrok v umělé inteligenci a strojovém učení.
Připravil: Radek Svoboda