Bilim adamları, küçük bir makine öğrenimi büyüsü kullanarak artık geniş ve karmaşık evrenleri geleneksel yöntemlerle binde bir süre içinde modelleyebilirler. Yeni yaklaşım, yeni bir yüksek çözünürlüklü kozmolojik simülasyon çağının başlamasına yardımcı olacak.
New York'taki Flatiron Enstitüsü'nde astrofizikçi olan Yin Li ve meslektaşları tarafından geliştirilen yeni yöntem, küçük bir uzay bölgesinin hem düşük hem de yüksek çözünürlüklü modelleriyle bir makine öğrenme algoritması sağlıyor. Algoritma, düşük çözünürlüklü modellerin yüksek çözünürlüklü sürümlerde bulunan ayrıntılarla eşleşecek şekilde nasıl ölçeklendirileceğini öğretir. Kod bir kez eğitildikten sonra, tam ölçekli, düşük çözünürlüklü modeller alabilir ve 512 kat daha fazla parçacık içeren ultra yüksek çözünürlüklü simülasyonlar oluşturabilir.
Bu ölçekleme önemli ölçüde zaman tasarrufu sağlar. Evrenin yaklaşık 500 milyon ışıkyılı genişliğinde, 134 milyon parçacık içeren bir bölgesi için, mevcut yöntemlerin tek bir işlem çekirdeği kullanarak yüksek çözünürlüklü bir simülasyonu tamamlaması 560 saat sürüyor. Bilim adamları, yeni yaklaşımla sadece 36 dakika sürdüğünü söylüyor. Simülasyona daha fazla parçacık eklendiğinde sonuçlar daha da etkileyiciydi. 1000 kat daha büyük ve 134 milyar parçacık içeren evren için, araştırmacıların yeni yöntemi bir GPU'da 16 saat sürdü.
Ayrıca ilginç:
- Evrendeki ilk parçacıklar yeniden yaratıldı. Spoiler uyarısı: garip görünüyorlar
- Yeni bir çalışma, evrenimizin %70'inin bileşimi hakkında şüphe uyandırıyor
Uzmanlara göre, kozmolojik simülasyonları yürütmek için gereken süreyi azaltmak "nümerik kozmoloji ve astrofizikte önemli ilerleme sağlayabilir. Kozmolojik simülasyonlar, evrenin tarihini tüm galaksilerin ve onların karadeliklerinin oluşumuna kadar takip eder."
Şimdiye kadar, yeni modeller yalnızca karanlık maddeyi ve yerçekimini dikkate alıyor. Bu aşırı basitleştirme gibi görünse de, yerçekimi kesinlikle evrendeki büyük ölçekte baskın güçtür ve karanlık madde, kozmostaki tüm "maddenin" %85'ini oluşturur. Simülasyondaki parçacıklar gerçek karanlık madde parçacıkları değil, bunun yerine karanlık madde parçacıklarının evrende nasıl hareket ettiğini göstermek için izleyiciler olarak kullanılıyor.
Simülasyon, yalnızca karanlık madde ve yerçekimine odaklandığından, yıldız oluşumu, süpernovalar ve kara deliklerin etkileri gibi küçük ölçekli fenomenler dikkate alınmadığı için her şeyi yakalamaz. Araştırmacılar, bu tür olaylardan sorumlu güçleri dahil etmek için yöntemlerini genişletmeyi ve doğruluğu artırmak için geleneksel simülasyonların yanı sıra sinir ağlarını anında çalıştırmayı planlıyorlar.
Ayrıca okuyun: