使用一点机器学习魔法，科学家们现在可以用传统方法千分之一的时间对庞大而复杂的宇宙进行建模。 新方法将有助于开创高分辨率宇宙学模拟的新时代。
纽约 Flatiron 研究所的天体物理学家 Yin Li 和他的同事开发的新方法提供了一种机器学习算法，其中包含小空间区域的低分辨率和高分辨率模型。 该算法教导如何缩放低分辨率模型以匹配高分辨率版本中的细节。 经过训练后，该代码可以采用全尺寸、低分辨率模型，并生成包含 512 倍以上粒子的超高分辨率模拟。
这种缩放可显着节省时间。 对于大约 500 亿光年宽的宇宙区域，包含 134 亿个粒子，现有方法需要 560 小时才能使用单个处理核心完成高分辨率模拟。 科学家表示，采用新方法，只需 36 分钟。 当将更多粒子添加到模拟中时，结果更加令人印象深刻。 对于大 1000 倍且包含 134 亿个粒子的宇宙，研究人员的新方法在一个 GPU 上花费了 16 个小时。
也很有趣：
据专家介绍，减少进行宇宙学模拟所需的时间“可以确保数值宇宙学和天体物理学取得重大进展。 宇宙学模拟将宇宙的历史追溯到所有星系及其黑洞的形成。”
到目前为止，新模型只考虑暗物质和引力。 虽然这看起来过于简单化，但在大范围内引力无疑是宇宙中的主导力量，而暗物质占宇宙中所有“物质”的 85%。 模拟中的粒子不是字面上的暗物质粒子，而是用作跟踪器来显示暗物质粒子如何在宇宙中移动。
模拟并没有捕捉到一切，因为它只关注暗物质和引力，没有考虑恒星形成、超新星和黑洞影响等小规模现象。 研究人员计划扩展他们的方法以包括导致此类现象的力量，并在运行时运行他们的神经网络和传统模拟以提高准确性。
另请阅读：