宇宙の最初の人工知能シミュレーションは、本物と同じように機能するように見えます-そして、ほとんど同じくらい神秘的です。
研究者は、6月24日に、全米科学アカデミーのジャーナルProceedingsで新しいシミュレーションを報告しました。目標は、宇宙の始まりのさまざまな条件をシミュレートするために宇宙の仮想バージョンを作成することでしたが、科学者たちは、それがなぜうまく機能するかを理解するために独自のシミュレーションを研究することも望んでいます。
「それは猫と犬の写真をたくさん使って画像認識ソフトウェアを教えるようなものですが、象を認識することができます」とニューヨーク市の計算天体物理学研究所の理論天体物理学者である研究者の共著者であるシャーリー・ホーは、ステートメント。 「これがどのように行われるかは誰にもわからず、解決することは大きな謎です。」
宇宙のシミュレーション
宇宙の巨大な年齢と規模を考えると、その形成を理解することは困難な課題です。天体物理学者のツールボックスの1つのツールは、コンピュータモデリングです。ただし、天体物理学者は、何千ものシミュレーションを実行し、さまざまなパラメーターを調整して、最も現実的なシナリオを決定する必要があるため、従来のモデルは多くの計算能力と時間を必要とします。
Hoと彼女の同僚は、プロセスを高速化するために深いニューラルネットワークを作成しました。このニューラルネットワークは、Deep Density Displacement Model（D ^ 3M）と呼ばれ、データの一般的な機能を認識し、そのデータの操作方法を時間とともに「学習」するように設計されています。 D ^ 3Mの場合、研究者は宇宙の高精度な従来のコンピュータモデルから8,000のシミュレーションを入力しました。 D ^ 3Mがこれらのシミュレーションがどのように機能するかを学習した後、研究者たちは、6億光年にわたる仮想の立方体の宇宙のこれまでにない、まったく新しいシミュレーションを導入しました。 （実際に観測可能な宇宙は、全体で約930億光年です。）
ニューラルネットワークは、トレーニングに使用した8,000シミュレーションデータセットと同じように、この新しい宇宙でシミュレーションを実行できました。シミュレーションは、宇宙の形成における重力の役割に焦点を合わせました。驚くべきことは、研究者が仮想宇宙の暗黒物質の量などの新しいパラメーターを変えたとき、D ^ 3Mが暗黒物質の処理方法について訓練を受けたことがないにもかかわらず、シミュレーションを処理できたことは驚くべきことだったとHoは言いましたバリエーション。
コンピュータと宇宙論
ホーは、D ^ 3Mのこの機能は謎であり、シミュレーションを宇宙科学だけでなく計算科学にとっても興味深いものにしていると述べました。
「私たちは、このモデルが猫と犬を認識するだけでなく、なぜ象に外挿するのかを理解するために、機械学習者が使用する興味深い遊び場になることができます」と彼女は言った。 「それは科学とディープラーニングの間の双方向の道です。」
このモデルは、普遍的な起源に関心のある研究者にとっても時間の節約になるかもしれません。新しいニューラルネットワークは、最速の非人工知能シミュレーション手法の数分と比較して、シミュレーションを30ミリ秒で完了することができました。ネットワークのエラー率も2.8％でしたが、既存の最速モデルでは9.3％でした。 （これらのエラー率は、精度のゴールドスタンダードと比較されます。モデルは、シミュレーションごとに数百時間かかります。）
研究者たちは今、新しいニューラルネットワークの他のパラメーターを変化させて、流体力学や流体や気体の動きなどの要因が宇宙の形成をどのように形作ったかを調べます。
