Перший у світі симулятор всесвіту знає те, чого не повинен знати

Перший у світі симулятор всесвіту знає те, чого не повинен знати
NASA/Victor Tangermann
"Це схоже на навчання програмного забезпечення розпізнавати зображення з великою кількістю фотографій кішок і собак, але потім воно може розпізнавати слонів."

Велика таємниця

Оскільки ми не можемо подорожувати на мільярди років назад — у всякому разі, поки — одним з кращих способів зрозуміти, як розвивалася наша всесвіт, є створення комп'ютерного моделювання процесу з використанням того, що ми про нього знаємо.

Більшість цих симуляцій відносяться до однієї з двох категорій: повільне і більш точне або швидке і менш точний. Але тепер міжнародна команда дослідників створила ШІ, який може швидко генерувати високоточні тривимірні симуляції всесвіту — навіть коли вони налаштовують параметри, за якими система не була навчена.

«Це схоже на навчання програмі розпізнавання зображень з великою кількістю зображень кішок і собак, але потім вона здатна розпізнавати слонів», — сказала дослідник Ширлі Хо в прес-релізі. «Ніхто не знає, як це відбувається, і розгадати велику таємницю».

Швидкісна система

Вчені докладно викладають, як вони створили цей симулятор всесвіту, який вони назвали моделлю зміщення глибокої щільності (D3M), в дослідженні, опублікованому в журналі Proceedings of the National Academy of Sciences.

Мета полягала в тому, щоб навчити D3M моделювати гравітацію, яка формує всесвіт. Для цього вони почали з подачі в систему 8 000 різних симуляцій, сфокусованих на гравітації, створених високоточним симулятором існуючої всесвіту.

Цій системі знадобилося 300 годин обчислень, щоб створити тільки одну зі своїх симуляцій, але після навчання на даних D3M зміг зробити власне моделювання всесвіту куба з поперечником 600 мільйонів світлових років всього за 30 мілісекунд. Це моделювання було більш точним, ніж в існуючих «швидких» системах, для створення яких потрібно кілька хвилин.

Пропуск в знаннях

Але швидкість не найчудовіша річ в D3M.

Це була б здатність точно моделювати зовнішній вигляд всесвіту, навіть якби дослідники змінили параметри, які не були включені в дані навчання. Наприклад, вони можуть налаштувати відсоток темної матерії у своїй всесвіту, а D3M зможе точно імітувати еволюцію цього всесвіту.

Крім того, що фізики, такі як Хо, краще розуміють еволюцію Всесвіту, це дивна поведінка може допомогти вченим краще зрозуміти ШІ.

«Ми можемо бути цікавою ігровим майданчиком для учнів, які вивчають машини, щоб зрозуміти, чому ця модель екстраполює так добре, чому вона екстраполює на слонів, а не просто розпізнає кішок і собак», — сказав Хо в прес-релізі. «Це вулиця з двостороннім рухом між наукою і глибоким навчанням».

Джерела: The Next Web

Автор: Крістін Хаузер
ОСТАННІ КОМЕНТАРІ