우주 최초의 인공 지능 시뮬레이션은 실제처럼 작동하는 것처럼 보이며 거의 신비적입니다.
연구원들은 지난 6 월 24 일에 국립 과학원 논문집 (Proceedings of the National Academy of Sciences)에 새로운 시뮬레이션을보고했다. 우주의 시작에 대한 다양한 조건을 시뮬레이션하기 위해 가상 버전의 코스모스를 만드는 것이 목표 였지만 과학자들은 자신의 시뮬레이션을 연구하여 왜 그것이 잘 작동하는지 이해하려고합니다.
뉴욕시 전산 천체 물리학 센터의 이론 천체 물리학자인 셜리 호 (Shirley Ho)는 공동 연구자 인 셜리 호 (Shirley Ho)는“고양이와 고양이 그림이 많은 이미지 인식 소프트웨어를 가르치는 것과 같지만 코끼리를 인식 할 수있다”고 말했다. 성명서. "어떻게이 일을하는지는 아무도 모른다. 해결해야 할 미스터리이다."
우주 시뮬레이션
우주의 거대한 나이와 규모를 감안할 때, 우주의 형성을 이해하는 것은 어려운 도전입니다. 천체 물리학 자 도구 상자의 도구 중 하나는 컴퓨터 모델링입니다. 그러나 천체 물리학 자들은 실제 시나리오가 가장 적합한 시나리오를 결정하기 위해 다른 매개 변수를 조정하여 수천 개의 시뮬레이션을 실행해야 할 수 있기 때문에 전통적인 모델에는 많은 컴퓨팅 성능과 시간이 필요합니다.
Ho와 그녀의 동료들은 프로세스 속도를 높이기 위해 심층 신경망을 만들었습니다. Deep Density Displacement Model 또는 D ^ 3M이라고 불리는이 신경망은 데이터의 공통 기능을 인식하고 시간이 지남에 따라 해당 데이터를 조작하는 방법을 "학습"하도록 설계되었습니다. D ^ 3M의 경우, 연구원들은 우주의 정확도가 높은 기존 컴퓨터 모델에서 8,000 개의 시뮬레이션을 입력했습니다. D ^ 3M이 이러한 시뮬레이션의 작동 방식을 알게 된 후, 연구자들은 6 억 광년에 걸쳐 가상의 큐브 모양의 우주에 대한 전혀 새로운 본적 시뮬레이션을 실시했습니다. (실제로 관측 가능한 우주는 약 940 억 광년입니다.)
신경망은 훈련에 사용한 8,000 개의 시뮬레이션 데이터 세트에서와 같이이 새로운 우주에서 시뮬레이션을 실행할 수있었습니다. 시뮬레이션은 우주 형성에서 중력의 역할에 중점을 두었습니다. 놀라운 사실은 연구원들이 가상 우주에서 암흑 물질의 양과 같은 새로운 매개 변수를 다양 화했을 때 D ^ 3M은 여전히 암흑 물질을 처리하는 방법에 대한 교육을받지 않아도 시뮬레이션을 처리 할 수 있다고 말했다. 변형.
컴퓨터와 우주론
Ho 박사는 D ^ 3M의이 기능은 미스터리이며, 시뮬레이션은 우주 과학뿐만 아니라 계산 과학에도 흥미를 유발한다고 말했다.
"우리는 기계 학습자가이 모델이 왜 그렇게 외삽하는지, 왜 고양이와 개를 인식하는 대신 코끼리에게 외삽 하는지를 알기 위해 재미있는 놀이터가 될 수있다"고 그녀는 말했다. "과학과 딥 러닝 사이의 양방향 거리입니다."
이 모델은 또한 보편적 기원에 관심이있는 연구자들에게 시간을 절약 할 수있다. 새로운 신경망은 가장 빠른 비 인공 지능 시뮬레이션 방법으로 몇 분에 비해 30 밀리 초 안에 시뮬레이션을 완료 할 수 있습니다. 기존의 가장 빠른 모델의 경우 9.3 %에 비해 네트워크의 오류율은 2.8 %입니다. (이러한 오류율은 각 시뮬레이션에 수백 시간이 걸리는 모델 인 금 정확도 표준과 비교됩니다.)
연구자들은 유체 역학이나 유체와 가스의 움직임과 같은 요인들이 어떻게 우주의 형성을 형성했는지를 조사하면서 새로운 신경망에서 다른 매개 변수를 다양화할 계획이다.
