Моделювання еволюції галактик коли треба отримати картинку усієї системи через відносно короткі проміжки часу — неймовірно повільна задача, навіть якщо ти використовуєш суперкомп’ютер. Однак штучний інтелект, у вигляді алгоритму машинного навчання, може допомогти з цим.
Моделювання еволюції галактики
Дослідники використали машинне навчання, щоб значно прискорити час обробки даних при моделюванні еволюції галактик у поєднанні з вибухами наднових. Цей підхід може допомогти нам зрозуміти походження нашої власної галактики, зокрема елементів, необхідних для життя в Чумацькому Шляху.
Команду очолював Кейя Хірашіма з Центру міждисциплінарних теоретичних і математичних наук (iTHEMS) RIKEN в Японії, разом з колегами з Інституту астрофізики Макса Планка (MPA) та Інституту Флетайрон.
Розуміння того, як утворюються галактики, є центральною проблемою для астрофізиків. Хоча ми знаємо, що потужні події, такі як наднові, можуть стимулювати еволюцію галактик, ми не можемо просто дивитися на нічне небо і бачити, як це відбувається.
Умови вдалого моделювання
Вчені покладаються на чисельні моделювання, які базуються на великих обсягах даних, зібраних за допомогою телескопів та інших приладів, що вимірюють параметри міжзоряного простору. Моделювання повинні враховувати гравітацію та гідродинаміку, а також інші складні аспекти астрофізичної термохімії.
Крім того, вони повинні мати високу часову роздільну здатність. Це означає, що час між кожним 3D-знімком еволюціонуючої галактики повинен бути достатньо малим, щоб не пропустити критичні події. Наприклад, для фіксації початкової фази розширення оболонки наднової необхідний часовий масштаб усього в сотні років, що в 1000 разів менше, ніж можуть досягти типові моделювання міжзоряного простору.
Насправді типовому суперкомп’ютеру потрібно від одного до двох років, щоб виконати моделювання відносно невеликої галактики з належною часовою роздільною здатністю.
Подолання часової роздільної здатності
Подолання цього вузького місця в часовому кроці було головною метою нового дослідження. Завдяки впровадженню штучного інтелекту в свою модель, дослідницька група змогла отримати результати, аналогічні результатам попередньої моделі карликової галактики, але набагато швидше.
«Коли ми використовуємо нашу модель штучного інтелекту, симуляція відбувається приблизно в чотири рази швидше, ніж стандартна чисельна симуляція», — каже Хірашіма.
«Це відповідає скороченню часу обчислень від кількох місяців до півроку. Важливо, що наша симуляція з використанням штучного інтелекту змогла відтворити динаміку, важливу для відображення еволюції галактик і циклів речовини, включно з утворенням зір і витоком речовини з галактик».
Нейронна мережа
Як і більшість моделей машинного навчання, нова модель дослідників навчається на одному наборі даних, а потім стає здатною прогнозувати результати на основі нового набору даних. У цьому випадку модель містила запрограмовану нейронну мережу і була навчена на 300 симуляціях ізольованої наднової в молекулярній хмарі, маса якої дорівнювала мільйону наших Сонць.
Після навчання модель могла передбачити щільність, температуру та швидкість газу через 100 000 років після вибуху наднової. У порівнянні з прямими чисельними моделюваннями, такими як ті, що виконуються суперкомп’ютерами, нова модель надала подібні структури та історію формування зір, але на обчислення знадобилося в чотири рази менше часу.
Наразі лабораторія використовує нову систему для моделювання галактики розміром з Чумацький Шлях.
За матеріалами phys.org
