Los investigadores han creado con éxito un modelo del Universo utilizando inteligencia artificial, informa un nuevo estudio.
Los investigadores buscan comprender nuestro Universo haciendo predicciones de modelos para que coincidan con las observaciones. Históricamente, han sido capaces de modelar sistemas físicos simples o altamente simplificados, bromeando las "vacas esféricas", con lápices y papel. Más tarde, la llegada de las computadorasles permitió modelar fenómenos complejos con simulaciones numéricas. Por ejemplo, los investigadores han programado supercomputadoras para simular el movimiento de miles de millones de partículas a través de miles de millones de años de tiempo cósmico, un procedimiento conocido como las simulaciones de cuerpos N, para estudiar cómo el Universoevolucionó a lo que observamos hoy.
"Ahora con el aprendizaje automático, hemos desarrollado el primer modelo de red neuronal del Universo, y demostramos que hay una tercera ruta para hacer predicciones, una que combina los méritos del cálculo analítico y la simulación numérica", dijo Yin Li, un posdoctoralInvestigador del Instituto Kavli de Física y Matemáticas del Universo, Universidad de Tokio, y conjuntamente de la Universidad de California, Berkeley.
Una comparación de la precisión de dos modelos del Universo. El nuevo modelo de aprendizaje profundo izquierda, denominado D3M, es mucho más preciso que un método analítico existente derecha llamado 2LPT. Los colores representan el error en el desplazamiento en cada unopunto relativo a la simulación numérica, que es precisa pero mucho más lenta que el modelo de aprendizaje profundo.
Al comienzo de nuestro Universo, las cosas eran extremadamente uniformes. Con el paso del tiempo, las partes más densas se volvieron más densas y las partes más dispersas se volvieron más dispersas debido a la gravedad, y finalmente formaron una estructura similar a la espuma conocida como la "red cósmica".En este proceso de formación de estructuras, los investigadores han probado muchos métodos, incluidos los cálculos analíticos y las simulaciones numéricas. Los métodos analíticos son rápidos, pero no producen resultados precisos para fluctuaciones de gran densidad. Por otro lado, los métodos numéricos cuerpo N simulan la formación de estructuras con precisión, pero rastrear miles de millones de partículas es costoso, incluso en supercomputadoras. Por lo tanto, para modelar el Universo, los científicos a menudo enfrentan la compensación de la precisión frente a la eficiencia.
Sin embargo, el crecimiento explosivo de los datos de observación en calidad y cantidad requiere métodos que sobresalgan tanto en precisión como en eficiencia.
Para hacer frente a este desafío, un equipo de investigadores de los EE. UU., Canadá y Japón, incluido Li, apuntó al aprendizaje automático, un enfoque de vanguardia para detectar patrones y hacer predicciones. Así como el aprendizaje automático puede transformar a un jovenLi y sus colegas le preguntaron si también puede predecir cómo evolucionarán los universos en función de sus primeras instantáneas. Entrenaron una red neuronal convolucional con datos de simulación de billones de años luz cúbicos en volumen y construyeron un modelo de aprendizaje profundo quepudo imitar el proceso de formación de la estructura. El nuevo modelo no solo es muchas veces más preciso que los métodos analíticos, sino que también es mucho más eficiente que las simulaciones numéricas utilizadas para su entrenamiento.
"Tiene las fortalezas de los dos métodos anteriores [cálculo analítico y simulación numérica]", dijo Li.
Li dice que el poder de la emulación de IA aumentará en el futuro. Las simulaciones de N-body ya están muy optimizadas, y como primer intento, el modelo de IA de su equipo todavía tiene un gran margen de mejora. Además, los fenómenos más complicados incurren en un mayorcosto de la simulación, pero probablemente no de la emulación. Li y sus colegas esperan una mayor ganancia de rendimiento de su emulador de IA cuando pasan a incluir otros efectos, como la hidrodinámica, en las simulaciones.
"No pasará mucho tiempo antes de que podamos descubrir las condiciones iniciales y la física codificada en nuestro Universo a lo largo de este camino", dijo.
Fuente de la historia :
Materiales proporcionado por Instituto Kavli de Física y Matemáticas del Universo . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :