به گزارش ایسنا، پژوهشگران بنیاد پژوهشی «ریکن»(RIKEN) و «دانشگاه توکیو»(UTokyo) در ژاپن و «دانشگاه بارسلونا»(Universitat de Barcelona) در اسپانیا روش جدیدی را برای مدل‌سازی کهکشان راه شیری با استفاده از بیش از ۱۰۰ میلیارد ستاره در طول ۱۰ هزار سال زمان شبیه‌سازی‌شده به کار گرفته‌اند.
به نقل از ساینس‌بلاگ، این گروه پژوهشی شبیه‌سازی‌های سنتی مبتنی بر فیزیک را با یک مدل جایگزین یادگیری عمیق ترکیب کردند و به آنها امکان دادند تا یک آزمایش در مقیاس کهکشانی را بیش از ۱۰۰ برابر سریع‌تر از تلاش‌های پیشرفته قبلی روی بیش از هفت میلیون هسته پردازنده اجرا کنند.
اگر می‌خواهید کل یک کهکشان را شبیه‌سازی کنید، باید هم‌زمان با سرعت‌ها و اندازه‌های بسیار متفاوتی سر و کار داشته باشید. از یک سو، چرخش آهسته کهکشان راه شیری در طول میلیاردها سال و از سوی دیگر، رویدادهای کوتاه اما چشمگیری مانند انفجارهای ابرنواختری وجود دارد که طی آنها یک ستاره بزرگ می‌تواند گاز را در دماهای بسیار بالا به بیرون پرتاب کند. ثبت این تغییرات سریع معمولاً رایانه را مجبور می‌کند تا گام‌های زمانی بسیار کوچکی را در نظر بگیرد که باعث می‌شود کل شبیه‌سازی به کندی پیش برود و میزان جزئیات محدود شود.
این بده‌بستان تاکنون به این معنی بود که هر ذره شبیه‌سازی‌شده اغلب جایگزین یک خوشه کامل از ستاره‌ها شود. جزئیات در مقیاس کوچک حذف می‌شدند و رویدادهای بزرگی مانند ابرنواخترها به جای دنبال کردن کامل، میانگین‌گیری می‌شدند. روش جدید، این مانع را از میان برمی‌دارد. پژوهشگران به جای کند کردن کل کهکشان هر بار که یک ستاره منفجر می‌شود، از هوش مصنوعی برای مدیریت آنچه در حباب کوچک گاز اطراف هر ابرنواختر رخ می‌دهد استفاده می‌کنند؛ در حالی که شبیه‌سازی اصلی با سرعت ثابتی به حرکت درمی‌آید.
مدل جایگزین یادگیری عمیق اساساً یک میان‌بر آموزش‌دیده است. پژوهشگران ابتدا موارد بسیاری از شبیه‌سازی‌های با وضوح بالا را از یک ابرنواختر واحد اجرا کردند و سپس از آن نتایج برای آموزش دادن یک شبکه عصبی درباره چگونگی تغییر چگالی گاز، دما و حرکت در ۱۰۰ هزار سال پس از انفجار کمک گرفتند. در کل کهکشان راه شیری، هر زمان که یک ستاره در شرف ابرنواختر شدن باشد، کد یک مکعب کوچک از گاز اطراف را به مجموعه‌ای از گره‌های هوش مصنوعی می‌فرستد که پیش‌بینی می‌کنند آن منطقه چگونه تکامل خواهد یافت. شبیه‌سازی اصلی نیازی به انتظار برای گام‌های زمانی کوچک ندارد و به همین دلیل می‌تواند به محاسبه گرانش و جریان گاز برای بقیه کهکشان ادامه دهد.
این تقسیم کار با سرعت خام نتیجه می‌دهد. با استفاده از روش‌های مرسوم، شبیه‌سازی یک میلیون سال تکامل کهکشان راه شیری با این وضوح حدود ۳۱۵ ساعت طول می‌کشد. با روش مبتنی بر هوش مصنوعی، این کار تنها ۲.۷۸ ساعت زمان می‌برد. این بدان معناست که اکنون یک دوره یک میلیارد ساله را می‌توان در حدود ۱۱۵ روز با یک ابررایانه سطح بالا تکمیل کرد.
پژوهشگران خاطرنشان کردند که همین ایده می‌تواند در بسیاری از زمینه‌های دیگر نیز سودمند باشد. به عنوان مثال، مدل‌های شبیه‌سازی آب‌وهوا نیز می‌توانند رویدادهای کوچک و سریع در حال تغییر مانند رعد و برق را با روندهای آهسته در مقیاس سیاره‌ای مرتبط کنند. مدل‌های اقیانوسی و شبیه‌سازی‌های تلاطم با موارد عدم تطابق مشابه بین جزئیات محلی و رفتار جهانی روبه‌رو هستند. جایگزینی گران‌ترین قطعات کوچک با مدل‌های جایگزین آموزش‌دیده می‌تواند امکان اجرای پیش‌بینی‌های دقیق‌تر و شبیه‌سازی‌های طولانی‌تر را بدون افزایش شدید هزینه‌های محاسباتی فراهم کند.
نتیجه شبیه‌سازی کهکشان راه شیری در حال حاضر اثبات این مفهوم است که کهکشان ما را بالاخره می‌توان ستاره به ستاره با بازخورد واقعی ابرنواخترها و جریان‌های گاز به جای یک مجموعه تقریبی دنبال کرد. این به آینده‌ای اشاره دارد که در آن هوش مصنوعی فقط داده‌های تلسکوپ‌ها را برچسب‌گذاری نمی‌کند، بلکه به ساخت جهان‌های مجازی کمک می‌کند که دانشمندان از آنها برای درک چگونگی پیدایش ستاره‌ها، سیاره‌ها و شاید زندگی بهره می‌برند.
انتهای پیام
