Nieuw AI-model simuleert heelal nauwkeurig in slechts 30 milliseconden

• De eerste AI-simulator van het heelal is zowel snel als nauwkeurig.
• Het AI-model kan een 600 miljoen lichtjaar wijd heelal simuleren in 30 milliseconden met een relatieve fout van 2,8%.
• Het is nogal verrassend dat onderzoekers niet weten hoe deze simulator onder de motorkap werkt.

Om de evolutie van ons heelal te verklaren, hebben wetenschappers een groot aantal simulaties nodig om de informatie uit hemelobservaties te halen. Het proces omvat het evalueren van miljarden deeltjes met een nauwkeurig fysiek model over een enorm volume gedurende miljarden jaren.

Astrofysici gebruiken meestal een benadering die N-body-simulatie wordt genoemd om de structuurvorming van het heelal te voorspellen. De methode is echter rekenkundig duur.

Nu heeft een team van onderzoekers in de Verenigde Staten een nieuw model ontwikkeld - een alternatief voor N-body-simulaties - om complexe 3D-simulaties van het universum te genereren. Het maakt gebruik van diepgaande leertechnieken om veel nauwkeurigere resultaten te leveren in veel minder tijd.

Verplaatsingsmodel met diepe dichtheid

Het neurale netwerk genaamd Deep Density Displacement Model (D3M) is getraind op een enkele set kosmologische parameters.

Naast het leveren van snelle en nauwkeurige resultaten, kon het nauwkeurig simuleren hoe ons universum eruit zou zien als specifieke parameters zouden worden gewijzigd (bijvoorbeeld de hoeveelheid donkere materie in de kosmos), ondanks het feit dat het model nooit is getraind op gegevens waarin die parameters varieerden.

D3M modelleert de effecten van zwaartekracht (de belangrijkste kracht) op ons heelal. Het berekent hoe deze kracht miljarden individuele deeltjes verplaatst over de hele evolutie van het heelal.

Referentie:PNAS | DOI:10.1073/pnas.1821458116 | Simons Stichting

Onderzoekers trainden D3M op ongeveer 8.000 verschillende simulaties van de meest nauwkeurige bestaande modellen. De diepe neurale netwerken die D3M van stroom voorzien, leerden geleidelijk nauwkeurigere resultaten op te leveren in minder tijd.

Toen het model eenmaal was getraind, voerden astrofysici simulaties uit van een vierkant universum van 600 miljoen lichtjaar breed. Vervolgens vergeleken ze de uitkomsten met bestaande state-of-the-art modellen.

De nauwkeurigheidsvergelijking van het nieuwe model (D3M) en N-lichaamsimulaties gegenereerd door tweede-orde Lagrangiaanse verstoringstheorie (2LPT). De gemiddelde verplaatsingsfout in miljoenen lichtjaren wordt weergegeven door verschillende kleuren in het raster.

Terwijl de nauwkeurige maar langzame methode honderden uren kostte om het universum te simuleren en de snelle nadering een paar minuten duurde, voerde D3M de simulatie uit in slechts 30 milliseconden.

Vergeleken met de bestaande snelle aanpak met een relatieve fout van 9,3%, leverde D3M nauwkeurigere resultaten op met een relatieve fout van 2,8%.

Wat dit model echt speciaal maakt, is het uitzonderlijke vermogen om kosmologische parametervariaties aan te kunnen die niet waren opgenomen in trainingsdatasets.

In de volgende studie zullen onderzoekers proberen ook andere krachten te modelleren, waaronder hydrodynamica. De complexiteit van het model kan verder worden verbeterd door simulaties met een hogere resolutie toe te voegen.

Lezen:heelal breidt zich 9% sneller uit dan verwacht | Nieuwe metingen

Bovendien zullen ze het werkingsmechanisme van de D3M analyseren om te zien waarom het zo goed extrapoleert. Dit kan echt nuttig zijn voor de vooruitgang van machine learning-methoden.