Den første nogensinde kunstige intelligenssimulering af universet ser ud til at virke som den rigtige ting - og er næsten lige så mystisk.
Forskere rapporterede den nye simulering 24. juni i tidsskriftet Proceedings of the National Academy of Sciences. Målet var at skabe en virtuel version af kosmos for at simulere forskellige betingelser for universets begyndelse, men forskerne håber også at studere deres egen simulering for at forstå, hvorfor det fungerer så godt.
”Det er som at undervise om billedgenkendelsessoftware med masser af billeder af katte og hunde, men så er det i stand til at genkende elefanter,” siger co-forfatter Shirley Ho, en teoretisk astrofysiker ved Center for Computational Astrophysics i New York City, sagde i en udmelding. "Ingen ved, hvordan det gør dette, og det er et stort mysterium, der skal løses."
Simulering af universet
I betragtning af universets enorme alder og omfang er det en skræmmende udfordring at forstå dets dannelse. Et værktøj i astrofysiker-værktøjskassen er computermodellering. Traditionelle modeller kræver meget computerkraft og tid, selvom astrofysikere muligvis er nødt til at køre tusinder af simuleringer, justere forskellige parametre, for at bestemme, hvilket er det mest sandsynlige virkelige scenarie.
Ho og hendes kolleger oprettede et dybt neuralt netværk for at fremskynde processen. Dette neurale netværk, der kaldes Deep Density Displacement Model, eller D ^ 3M, er designet til at genkende almindelige funktioner i data og "lære" over tid, hvordan man manipulerer disse data. I tilfælde af D ^ 3M indsatte forskerne 8.000 simuleringer fra en traditionel computermodel af universet med høj nøjagtighed. Efter at D ^ 3M havde lært, hvordan disse simuleringer fungerede, satte forskerne i en splinterny, aldrig før set simulering af et virtuelt, terningformet univers 600 millioner lysår på tværs. (Det virkelige observerbare univers er omkring 93 milliarder lysår på tværs.)
Det neurale netværk var i stand til at køre simuleringer i dette nye univers lige som det havde i det 8.000-simuleringsdatasæt, det havde brugt til træning. Simuleringerne fokuserede på tyngdekraften i universets dannelse. Det, der var overraskende, sagde Ho, var, at når forskerne varierede helt nye parametre, som mængden af mørkt stof i det virtuelle univers, var D ^ 3M stadig i stand til at håndtere simuleringerne - selvom de aldrig blev uddannet til at håndtere mørkt stof variationer.
Computere og kosmologi
Denne funktion af D ^ 3M er et mysterium, sagde Ho, og gør simuleringen spændende for computervidenskab såvel som kosmologi.
"Vi kan være en interessant legeplads, som en maskinelevende kan bruge til at se, hvorfor denne model ekstrapolerer så godt, hvorfor den ekstrapolerer til elefanter i stedet for bare at genkende katte og hunde," sagde hun. "Det er en tovejsvej mellem videnskab og dyb læring."
Modellen kan også være en tidsbesparende for forskere, der er interesseret i universel oprindelse. Det nye neurale netværk kunne gennemføre simuleringer i 30 millisekunder sammenlignet med adskillige minutter for den hurtigste ikke-kunstige intelligenssimuleringsmetode. Netværket havde også en fejlrate på 2,8% sammenlignet med 9,3% for den eksisterende hurtigste model. (Disse fejlrater sammenlignes med en guldstandard for nøjagtighed, en model, der tager hundreder af timer for hver simulering.)
Forskerne planlægger nu at variere andre parametre i det nye neurale netværk, hvor de undersøger, hvordan faktorer som hydrodynamik eller bevægelse af væsker og gasser kan have formet universets dannelse.
