AI模拟宇宙,甚至它的创造者都不知道它是如此准确

科学家们第一次使用人工智能来创建宇宙的复杂三维模拟。它被称为深度密度位移模型,即D 3 M,并且它如此快速和准确,以至于设计它的天体物理学家甚至不知道它是如何做它的。

它的作用是精确模拟重力塑造宇宙数十亿年的方式。每个模拟只需30毫秒 – 与其他模拟所需的分钟数相比。

而且,更令人入迷的是,D 3 M从团队提供的8,000次锻炼模拟中学到了 – 大量推断并超越它们,能够调整以致没有锻炼过的参数。

“这就像教授图像识别软件一样,有很多猫和狗的图片,但它能够识别大象,” Flatiron研讨所和卡内基梅隆大学的天体物理学家Shirley Ho说。

“没有人知道它是如何做到的,这是一个很难处置的问题。”

对我们周围的宇宙的观察可以提供有关其演化的大量信息,但我们可以看到的是有限的。这就是为什么模拟可以如此便当。

经过运转产生与我们观察结果相符的结果的模拟,以及不能中止模拟的模拟,科学家们可以找出最有可能产生我们生活的宇宙的情形。

但是,我们宇宙历史的复杂性使得这种模拟在计算上变得非常繁琐,这意味着它们需求时间来运转。单个研讨可能需求数千次模拟才干获得有用的统计数据。

这是由计算天体物理学家的国际团队开发的D 3 M进入的中央。它计算了超越138亿年(宇宙的年龄),重力如何在太空中移动数十亿个粒子。

假设我们运用非AI驱动的软件模拟这种粒子运动,那么单个高精度模拟可能需求长达300小时的计算时间; 你也可以在几分钟内完成它,但准确性将大大受损。

为了抑制这个问题,研讨小组决议开发一个用于运转模拟的神经网络,并经过从迄今为止产生的最高精度的模型中提供8,000种不同的模拟来锻炼D 3 M.

一旦D 3 M的锻炼完成并且AI准确运转,它就可以中止试驾了。研讨人员恳求它模拟每面约6亿光年的宇宙盒。

为了判别它的输出,该团队还运用极端缓慢的数百小时方法运转相同的模拟,并且该方法仅需几分钟。正如预期的那样,慢速方法产生最准确的结果,而快速方法产生9.3%的相对误差。

D 3 M曾经将一切以前的快速方法从水中吹走了。它在30毫秒内完成了模拟,与慢速但超精确的模型相比,只需2.8的相对误差。

更令人印象深化的是,固然它只是在一组参数上中止锻炼,但是神经网络可以根据它以致没有锻炼过的其他参数来预测模拟宇宙的结构构成 – 例如,暗物质的数量多种多样。

这意味着AI可以具有灵活性,使其适宜一系列模拟任务 – 固然在此之前,团队希望弄清楚它是如何设法完成它的功用的。

“我们可以成为一个有趣的游乐场,供机器学习者运用,看看为什么这个模型推断得如此好,为什么它推断到大象而不只仅是识别猫和狗,” 何说。

“这是科学与深度学习之间的双向道路。”

回复

请输入你的评论!
请在这里输入您的名字