Uma comparação da precisão de dois modelos do universo. O novo modelo (esquerda), apelidado de D 3 M, é mais rápido e mais preciso do que um método existente (à direita) chamado teoria de perturbação de segunda ordem, ou 2LPT. As cores representam o erro de deslocamento médio em milhões de anos-luz para cada ponto na grade em relação a um modelo de alta precisão (embora muito mais lento). Crédito:S. He et al./ Proceedings of the National Academy of Sciences 2019
Pela primeira vez, astrofísicos usaram técnicas de inteligência artificial para gerar simulações 3-D complexas do universo. Os resultados são tão rápidos, preciso e robusto que nem mesmo os criadores têm certeza de como tudo funciona.
"Podemos executar essas simulações em alguns milissegundos, enquanto outras simulações 'rápidas' levam alguns minutos, "diz a coautora do estudo Shirley Ho, um líder de grupo no Centro de Astrofísica Computacional do Flatiron Institute na cidade de Nova York e um professor adjunto na Carnegie Mellon University. "Não apenas isso, mas somos muito mais precisos. "
A velocidade e precisão do projeto, chamado de modelo de deslocamento de densidade profunda, ou D 3 M para abreviar, não foi a maior surpresa para os pesquisadores. O verdadeiro choque foi que D 3 M poderia simular com precisão como o universo ficaria se certos parâmetros fossem ajustados - como quanto do cosmos é matéria escura - mesmo que o modelo nunca tenha recebido nenhum dado de treinamento onde esses parâmetros variavam.
"É como ensinar software de reconhecimento de imagem com muitas fotos de cães e gatos, mas então ele é capaz de reconhecer elefantes, "Ho explica." Ninguém sabe como isso, e é um grande mistério a ser resolvido. "
Ho e seus colegas apresentam D 3 M 24 de junho no Proceedings of the National Academy of Sciences . O estudo foi liderado por Siyu He, um analista de pesquisa do Flatiron Institute.
Ho e He trabalharam em colaboração com Yin Li, do Berkeley Center for Cosmological Physics da University of California, Berkeley, e o Instituto Kavli de Física e Matemática do Universo, perto de Tóquio; Yu Feng, do Centro de Física Cosmológica de Berkeley; Wei Chen do Instituto Flatiron; Siamak Ravanbakhsh, da University of British Columbia, em Vancouver; e Barnabás Póczos da Carnegie Mellon University.
Simulações de computador como as feitas por D 3 M tornaram-se essenciais para a astrofísica teórica. Os cientistas querem saber como o cosmos pode evoluir em vários cenários, como se a energia escura que separa o universo variasse ao longo do tempo. Esses estudos requerem a execução de milhares de simulações, fazer de um modelo de computador extremamente rápido e preciso um dos principais objetivos da astrofísica moderna.
D 3 M modela como a gravidade molda o universo. Os pesquisadores optaram por se concentrar apenas na gravidade porque ela é de longe a força mais importante quando se trata da evolução em larga escala do cosmos.
As simulações mais precisas do universo calculam como a gravidade muda cada um dos bilhões de partículas individuais ao longo de toda a idade do universo. Esse nível de precisão leva tempo, exigindo cerca de 300 horas de computação para uma simulação. Métodos mais rápidos podem terminar as mesmas simulações em cerca de dois minutos, mas os atalhos necessários resultam em menor precisão.
Ho, Ele e seus colegas aprimoraram a rede neural profunda que alimenta o D 3 M alimentando-o com 8, 000 simulações diferentes de um dos modelos de maior precisão disponíveis. As redes neurais obtêm dados de treinamento e executam cálculos com base nas informações; os pesquisadores então comparam o resultado resultante com o resultado esperado. Com mais treinamento, as redes neurais se adaptam com o tempo para produzir resultados mais rápidos e precisos.
Após o treino D 3 M, os pesquisadores fizeram simulações de um universo em forma de caixa com 600 milhões de anos-luz de diâmetro e compararam os resultados aos dos modelos lentos e rápidos. Considerando que a abordagem lenta, mas precisa levou centenas de horas de computação por simulação e o método rápido existente levou alguns minutos, D 3 M poderia completar uma simulação em apenas 30 milissegundos.
D 3 M também produziu resultados precisos. Quando comparado com o modelo de alta precisão, D 3 M teve um erro relativo de 2,8 por cento. Usando a mesma comparação, o modelo rápido existente teve um erro relativo de 9,3 por cento.
D 3 A notável capacidade de M de lidar com variações de parâmetros não encontradas em seus dados de treinamento o torna uma ferramenta especialmente útil e flexível, Ho diz. Além de modelar outras forças, como hidrodinâmica, A equipe de Ho espera aprender mais sobre como o modelo funciona nos bastidores. Isso pode render benefícios para o avanço da inteligência artificial e do aprendizado de máquina, Ho diz.
"Podemos ser um playground interessante para um aluno de máquina usar para ver por que esse modelo extrapola tão bem, por que extrapola para elefantes em vez de apenas reconhecer cães e gatos, "ela diz." É uma rua de mão dupla entre a ciência e o aprendizado profundo. "
