İlk gerçekleştirme: yapay zeka, üç boyutlu evreni hızlı ve doğru bir şekilde simüle edin! AI çok güçlü çıkıyor
Bilim adamları ilk kez karmaşık üç boyutlu evren simülasyonları oluşturmak için yapay zeka (AI) kullandılar ve sonuçlar oldukça doğru, kararlı ve hızlı. Çalışmanın ortak yazarı Shirley Ho şunları söyledi: Bu simülasyonları birkaç milisaniye içinde çalıştırabiliriz, diğer "hızlı" simülasyonlar sadece bu değil, aynı zamanda daha doğru olan dakikalar alır. Araştırmacıları en çok şaşırtan "Derin Yoğunluk Deplasman Modeli" (D3M) adlı projenin hızı ve doğruluğu değil.
Gerçekten şaşırtıcı olan şey, D3M'nin, model bu parametre değişiklikleri için hiçbir eğitim verisi almamış olsa bile, belirli parametreler ayarlandığında (evrende ne kadar karanlık madde olduğu gibi) evrenin nasıl göründüğünü doğru bir şekilde simüle edebilmesidir. Bu, resim tanıma yazılımını öğretmek gibidir.İçinde birçok kedi ve köpek resmi vardır ve sonra filleri tanıyabilir. Bunu nasıl yaptığını kimse bilmiyor.Bu çözülmesi gereken büyük bir muamma. Araştırması yayınlandı. Ulusal Bilimler Akademisi Bildirilerinde. Shirley Ho ve Yin Li, Berkeley'deki California Üniversitesi Berkeley Kozmofizik Merkezi ve Tokyo'daki Kavli Kozmofizik ve Matematik Enstitüsü'nden
Berkeley Kozmofizik Merkezi'nden Feng Yu, Flatiron Enstitüsü'nden Chen Wei, Vancouver'daki British Columbia Üniversitesi'nden Siamak Ravanbakhsh ve Carnegie Mellon Üniversitesi'nden Barnabás Póczos. D3M gibi bilgisayar simülasyonları teorik astrofiziğin temeli haline geldi.Bilim adamları, evrenin farklı koşullar altında nasıl gelişebileceğini ve evrenin genişlemesine neden olan karanlık enerjinin zamanla değişip değişmeyeceğini bilmek istiyor. Bu tür bir araştırma, binlerce simülasyon çalıştırmayı, yıldırım hızındaki ve son derece hassas bilgisayar modellerini modern astrofiziğin ana hedeflerinden biri haline getirmeyi gerektirir.D3M, yerçekiminin evreni nasıl şekillendirdiğini simüle eder ve araştırmacılar yalnızca yerçekimine odaklanmayı seçer.
Çünkü şimdiye kadar, evrenin büyük ölçekli evrimi söz konusu olduğunda, yerçekimi en önemli kuvvettir. En doğru evren simülasyonu, yerçekiminin evrenin yaşı boyunca milyarlarca bireysel parçacığı nasıl değiştirdiğini hesaplar. Bu doğruluk zaman gerektirir ve bir simülasyon yaklaşık 300 saatlik hesaplama süresi gerektirir. Daha hızlı yöntem aynı simülasyonu yaklaşık iki dakika içinde tamamlayabilir, ancak gerekli kısayol daha düşük doğrulukla sonuçlanacak ve araştırmacılar D3M'nin derin sinir ağını geliştirdiler. D3M, mevcut en doğru modellerden birinden gelen 8.000 farklı simülasyonla sağlanır.
Sinir ağı eğitim verilerini alır ve hesaplar ve ardından araştırmacılar sonuçları beklenen sonuçlarla karşılaştırır. Daha fazla eğitimle, sinir ağı zamanla adapte olacak ve daha hızlı ve daha doğru sonuçlarla sonuçlanacaktır. D3M'yi eğittikten sonra, araştırmacılar 600 milyon ışıkyılı çapında kutu şeklinde bir evreni simüle ettiler
(Daire kartı buraya eklendi, lütfen görüntülemek için Toutiao istemcisine gidin)Sonuçlar yavaş model ve hızlı model ile karşılaştırılır Yavaş ama doğru yöntem simülasyon başına yüzlerce saat hesaplama süresi gerektirir. Mevcut hızlı yöntem yalnızca birkaç dakika sürer, ancak D3M simülasyonu 30 milisaniye içinde tamamlayabilir. D3M de doğru sonuçlar aldı. Yüksek hassasiyetli model ile karşılaştırıldığında, D3M'nin göreceli hatası% 2.8'dir.
Aynı karşılaştırmayı kullanarak, mevcut hızlı modelin göreceli hatası% 9,3'tür D3M'nin eğitim verilerini parametre değişikliklerini bulmadan işleyebilme olağanüstü yeteneği onu özellikle kullanışlı ve esnek bir araç haline getirir. Araştırma ekibi, akışkan dinamiği gibi diğer güçleri modellemeye ek olarak, modelin başlık altında nasıl çalıştığı hakkında daha fazla bilgi edinmeyi umuyor. Bunu yapmak, yapay zeka ve makine öğreniminin ilerlemesine fayda sağlayabilir. Makine öğrenenleri için, bu modelin neden bu kadar iyi çıkarım yapabildiğini, neden filleri çıkarabildiğini görmek ilginç bir oyun alanı olabilir ve Kedileri ve köpekleri tanımanın ötesinde, bu bilim ile derin öğrenme arasında iki yönlü bir yoldur.
