Simulasi kecerdasan buatan pertama alam semesta seolah-olah bekerja seperti benda sebenar - dan hampir misterius.
Penyelidik melaporkan simulasi baru pada 24 Jun dalam jurnal Prosiding Akademi Sains Kebangsaan. Matlamatnya adalah untuk mencipta versi maya kosmos untuk mensimulasikan keadaan yang berbeza untuk permulaan alam semesta, tetapi saintis juga berharap untuk mengkaji simulasi mereka sendiri untuk memahami mengapa ia berfungsi dengan baik.
"Ia seperti mengajar perisian pengiktirafan imej dengan banyak gambar kucing dan anjing, tetapi kemudian dapat mengenali gajah," kata penulis bersama Shirley Ho, ahli astrofizik teoritis di Pusat Astrofizik Pengkomputeran di New York City, dalam satu pernyataan. "Tiada siapa yang tahu bagaimana ia melakukan ini, dan itu adalah misteri yang hebat untuk diselesaikan."
Simulasi alam semesta
Memandangkan umur dan skala besar alam semesta, memahami pembentukannya adalah satu cabaran yang menakutkan. Satu alat dalam kotak peralatan astrofizik adalah pemodelan komputer. Model tradisional memerlukan banyak kuasa dan masa pengkomputeran, walaupun, kerana ahli astrofizik mungkin perlu menjalankan beribu-ribu simulasi, mengubah parameter yang berbeza, untuk menentukan yang mana senario dunia sebenar yang paling mungkin.
Ho dan rakan-rakannya mencipta rangkaian saraf yang mendalam untuk mempercepatkan prosesnya. Digelar Model Pemindahan Kepincangan Dalam, atau D ^ 3M, rangkaian neural ini direka bentuk untuk mengiktiraf ciri-ciri umum dalam data dan "belajar" dari masa ke masa bagaimana memanipulasi data tersebut. Dalam kes D ^ 3M, para penyelidik memasukkan 8,000 simulasi dari model komputer tradisional ketepatan tinggi alam semesta. Selepas D ^ 3M telah belajar bagaimana simulasi mereka bekerja, para penyelidik meletakkan dalam simulasi yang baru, tidak pernah dilihat sebelum ini, sebuah alam semesta berbentuk kubus 600 juta tahun cahaya. (Semesta diperhatikan sebenar adalah kira-kira 93 bilion tahun cahaya)
Rangkaian saraf mampu menjalankan simulasi dalam alam semesta baru ini seperti yang terdapat dalam dataset simulasi 8,000 yang telah digunakan untuk latihan. Simulasi memberi tumpuan kepada peranan graviti dalam pembentukan alam semesta. Apa yang mengejutkan, Ho berkata, apabila penyelidik mengubah parameter baru, seperti jumlah bahan gelap di alam semesta maya, D ^ 3M masih dapat mengendalikan simulasi - walaupun tidak pernah dilatih untuk menangani masalah gelap variasi.
Komputer dan kosmologi
Ciri ini D ^ 3M adalah misteri, kata Ho, dan menjadikan simulasi ini menarik untuk sains komputasi serta kosmologi.
"Kita boleh menjadi taman permainan yang menarik untuk pelajar mesin untuk digunakan untuk melihat mengapa model ini ekstrapolasi dengan baik, mengapa ia ekstrapolasi kepada gajah bukan hanya mengenali kucing dan anjing," katanya. "Ia adalah jalan dua hala antara sains dan pembelajaran mendalam."
Model ini juga mungkin penyelamat masa untuk penyelidik yang berminat dalam asal sejagat. Rangkaian saraf baru boleh menyelesaikan simulasi dalam 30 milisaat, berbanding beberapa minit untuk kaedah simulasi perisik kecerdasan yang paling cepat. Rangkaian ini juga mempunyai kadar ralat sebanyak 2.8%, berbanding dengan 9.3% untuk model terpantas yang sedia ada. (Kadar ralat ini dibandingkan dengan standard emas ketepatan, model yang mengambil masa beratus-ratus jam untuk setiap simulasi.)
Para penyelidik kini merancang untuk mengubah parameter lain dalam rangkaian saraf baru, memerhatikan bagaimana faktor seperti hidrodinamika, atau pergerakan cecair dan gas, mungkin membentuk pembentukan alam semesta.
