人工智能是理解宇宙和揭示新物理學(xué)的關(guān)鍵

宇宙學(xué)模擬是揭開(kāi)宇宙眾多奧秘的一個(gè)重要部分，包括暗物質(zhì)和暗能量的奧秘。

利用神經(jīng)網(wǎng)絡(luò)，研究人員現(xiàn)在可以在一小部分時(shí)間內(nèi)模擬宇宙，這大大推動(dòng)了物理學(xué)研究的發(fā)展。一個(gè)宇宙經(jīng)過(guò)數(shù)十億年的演變，但研究人員已經(jīng)開(kāi)發(fā)出一種方法，可以在不到一天的時(shí)間內(nèi)創(chuàng)建一個(gè)復(fù)雜的模擬宇宙。最近發(fā)表在《美國(guó)國(guó)家科學(xué)院院刊》上的這項(xiàng)技術(shù)將機(jī)器學(xué)習(xí)、高性能計(jì)算和天體物理學(xué)結(jié)合在一起，將有助于開(kāi)創(chuàng)一個(gè)高分辨率宇宙學(xué)模擬的新紀(jì)元。

宇宙學(xué)模擬是揭開(kāi)宇宙眾多奧秘的一個(gè)重要部分，包括暗物質(zhì)和暗能量的奧秘。但是直到現(xiàn)在，研究人員還面臨著魚(yú)和熊掌的難題，那就是如何實(shí)現(xiàn)可以在高分辨率下專注于一個(gè)小區(qū)域的模擬，也可以在低分辨率下囊括大片宇宙。

卡內(nèi)基梅隆大學(xué)物理學(xué)教授Tiziana Di Matteo和Rupert Croft、Flatiron研究所研究員Yin Li、卡內(nèi)基梅隆大學(xué)博士生Yueying Ni、加州大學(xué)河濱分校物理學(xué)和天文學(xué)教授Simeon Bird和加州大學(xué)伯克利分校的Yu Feng通過(guò)教授一種基于神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)算法，將模擬從低分辨率升級(jí)到超分辨率，克服了這個(gè)問(wèn)題。

"宇宙學(xué)模擬需要覆蓋大體積的宇宙學(xué)研究，同時(shí)也需要高分辨率來(lái)解決小尺度星系形成的物理問(wèn)題，這將招致艱巨的計(jì)算挑戰(zhàn)。我們的技術(shù)可以作為一個(gè)強(qiáng)大而有前途的工具，通過(guò)對(duì)大宇宙學(xué)體積中的小尺度星系形成物理進(jìn)行建模，來(lái)同時(shí)滿足這兩個(gè)要求。"倪說(shuō)，他進(jìn)行了模型的訓(xùn)練，建立了測(cè)試和驗(yàn)證的管道，分析了數(shù)據(jù)并根據(jù)數(shù)據(jù)制作了可視化。

訓(xùn)練后的代碼可以采用全尺寸的低分辨率模型，并生成包含多達(dá)512倍顆粒的超分辨率模擬。對(duì)于宇宙中一個(gè)大約5億光年的區(qū)域，包含1.34億個(gè)粒子，現(xiàn)有的方法將需要560個(gè)小時(shí)來(lái)使用一個(gè)處理核心攪動(dòng)出一個(gè)高分辨率的模型，而使用新的方法，研究人員只需要36分鐘。

當(dāng)更多的粒子被添加到模擬中時(shí)，結(jié)果甚至更加戲劇性。對(duì)于一個(gè)有1340億個(gè)粒子的1000倍大的宇宙，研究人員的新方法在單個(gè)圖形處理單元上需要16個(gè)小時(shí)。使用傳統(tǒng)的方法，完成這種規(guī)模和分辨率的模擬將需要一臺(tái)專門的超級(jí)計(jì)算機(jī)來(lái)完成。

科學(xué)家們使用宇宙學(xué)模擬來(lái)預(yù)測(cè)宇宙在各種情況下的樣子，例如，如果拉開(kāi)宇宙的暗能量隨時(shí)間變化，然后通過(guò)望遠(yuǎn)鏡觀測(cè)確認(rèn)模擬的預(yù)測(cè)是否符合現(xiàn)實(shí)。

"宇宙是最大的數(shù)據(jù)集--人工智能是理解宇宙和揭示新物理學(xué)的關(guān)鍵，"卡內(nèi)基梅隆大學(xué)物理系教授兼主任、國(guó)家科學(xué)基金會(huì)規(guī)劃研究所所長(zhǎng)斯科特-多德?tīng)柹f(shuō)。"這項(xiàng)研究說(shuō)明了國(guó)家科學(xué)基金會(huì)人工智能規(guī)劃研究所將如何通過(guò)人工智能、機(jī)器學(xué)習(xí)、統(tǒng)計(jì)學(xué)和數(shù)據(jù)科學(xué)推動(dòng)物理學(xué)的發(fā)展。"

"很明顯，人工智能正在對(duì)許多科學(xué)領(lǐng)域產(chǎn)生巨大的影響，包括物理學(xué)和天文學(xué)，"NSF物理學(xué)部的項(xiàng)目主任James Shank說(shuō)。"我們的人工智能規(guī)劃研究所項(xiàng)目正在努力推動(dòng)人工智能加速發(fā)現(xiàn)。這項(xiàng)新成果是人工智能如何改變宇宙學(xué)的一個(gè)很好的例子。"

Ni和Li利用這些領(lǐng)域創(chuàng)建了一套代碼，使用神經(jīng)網(wǎng)絡(luò)來(lái)預(yù)測(cè)引力如何在一段時(shí)間內(nèi)移動(dòng)暗物質(zhì)。這些網(wǎng)絡(luò)接受訓(xùn)練數(shù)據(jù)，運(yùn)行計(jì)算，并將結(jié)果與預(yù)期結(jié)果進(jìn)行比較。隨著進(jìn)一步的訓(xùn)練，網(wǎng)絡(luò)適應(yīng)并變得更加準(zhǔn)確。

研究人員使用的具體方法，被稱為生成對(duì)抗網(wǎng)絡(luò)，讓兩個(gè)神經(jīng)網(wǎng)絡(luò)相互對(duì)抗。一個(gè)網(wǎng)絡(luò)對(duì)宇宙進(jìn)行低分辨率的模擬，并使用它們來(lái)生成高分辨率的模型。另一個(gè)網(wǎng)絡(luò)試圖將這些模擬與傳統(tǒng)方法制作的模擬區(qū)分開(kāi)來(lái)。隨著時(shí)間的推移，兩個(gè)神經(jīng)網(wǎng)絡(luò)都變得越來(lái)越好，直到最終，模擬生成器勝出并創(chuàng)造出快速模擬的能力。

盡管只是使用小面積的空間進(jìn)行訓(xùn)練，但神經(jīng)網(wǎng)絡(luò)準(zhǔn)確地復(fù)制了只有在巨大的模擬中出現(xiàn)的大規(guī)模結(jié)構(gòu)。

不過(guò)，這些模擬并沒(méi)有捕捉到一切。因?yàn)樗麄儗Ｗ⒂诎滴镔|(zhì)和引力，較小規(guī)模的現(xiàn)象--如恒星形成、超新星和黑洞的影響被排除在外。研究人員計(jì)劃擴(kuò)展他們的方法，以包括負(fù)責(zé)此類現(xiàn)象的力量，并在常規(guī)模擬中加載他們的神經(jīng)網(wǎng)絡(luò)，以提高準(zhǔn)確性。

編輯：jq