【菜科解读】

　　利用神经网络，研究人员现在可以在短时间内模拟宇宙，从而促进物理研究的未来。

　　宇宙已经进化了数十亿年，但目前研究人员已经开发出一种方法，这种方法可以在不到一天的时间内创建一个复杂的模拟宇宙。

这项技术最近发表在《美国国家科学院院刊》。

它结合了机器学习、高性能计算和天体物理学，将有助于创造一个高分辨率宇宙模拟的新时代。

　　宇宙模拟是消除宇宙中许多神秘事物（包括暗物质和暗能量）的重要组成部分。

但是直到现在，研究人员仍面临着无法全部解决的共同难题–模拟可能专注于高分辨率的小区域，或者它们可能包含低分辨率的大量宇宙。

　　卡内基·梅隆大学物理教授Tiziana Di Matteo和鲁珀特·克罗夫特，熨斗研究所研究员李茵，卡内基·梅隆大学博士 加州大学河滨分校物理与天文学教授Simeon Bird以及加州大学伯克利分校的Yu Feng的候选人Niueying Ni讲授了一种基于神经网络的机器学习算法，将模拟从低分辨率升级为超分辨率，从而解决了这个问题。

　　“宇宙学模拟不仅需要覆盖宇宙研究的大量内容，还需要高分辨率，两者结合才能解决小规模的星系形成的物理问题，因此，这将带来艰巨的计算挑战。

通过对大宇宙学量的小规模星系形成物理学建模，我们的技术可以用作同时满足这两个要求的强大而有前途的工具，”对模型进行训练的Ni说道，他建立了用于测试和验证的管道，分析数据并根据数据进行可视化。

　　训练后的代码包含多达512倍的粒子，可以采用完整的低分辨率模型，生成超分辨率模拟。

对于包含1.34亿个粒子的宇宙中约5亿光年的区域，现有方法将需要560小时使用单个处理核进行高分辨率模拟。

使用新方法后，研究人员只需要花费36分钟就可以完成处理。

　　当更多的粒子被添加到模拟中时，结果将会变得比以往更加的显著。

一个1000倍的宇宙——拥有1340亿粒子，但是研究人员使用新方法只需要在图形处理单元上花费16个小时就可以了。

如果使用目前的方法，用一台特殊的超级计算机完成这种大小和分辨率的模拟将需要几个月的时间。

　　迪马特奥说：“减少运行宇宙学模拟所需的时间“具有在数值宇宙学和天体物理学方面取得重大进步的潜力。

” “宇宙学模拟遵循宇宙的历史和命运，一直到所有星系及其黑洞的形成。

”

　　科学家使用宇宙学模拟来预测宇宙在各种情况下的外观，例如将宇宙拉开的暗能量是否会随时间的变化变化。

然后，望远镜观测将确认模拟的预测是否与现实相符。

　　克罗夫特说：“通过我们以前的模拟，我们证明了我们可以模拟宇宙以发现新的有趣的物理学，但仅限于小规模或低分辨率。

” “通过整合机器学习，该技术应该能够赶上我们的想法。

”

　　Di Matteo，Croft和Ni是卡内基·梅隆大学国家科学基金会（NSF）物理人工智能规划研究所的成员，该研究所为这项工作提供了支持，并且是卡内基·梅隆大学麦克威利宇宙学中心的成员。

　　为了创建新方法，Ni和Li利用这些领域创造了一个代码，使用神经网络来预测重力如何随着时间的推移进而移动暗物质。

网络获取训练数据，运行计算，并将结果与预期的结果进行比较。

随着进一步的训练，网络会适应并变得更加精确。

　　研究人员使用的一种称为生成对抗网络的特定方法使两个神经网络相互抵触。

网络以低分辨率模拟宇宙，并使用它们生成高分辨率模型。

另一个网络试图将这些模拟与传统方法进行的模拟区分开来。

随着时间的流逝，两个神经网络都变得越来越好，直到最终模拟生成器胜出并创建类似于缓慢的常规模拟的快速模拟为止。

　　李说：“我们不能让它工作两年了，突然间它开始工作了。

我们得到了与我们预期相符的漂亮结果。

我们甚至亲自进行了一些盲目测试，而我们大多数人都无法分辨哪个是“真实的”，哪个是“假的”。

”

　　尽管仅使用很小的空间进行训练，但神经网络仍可以精确地复制仅出现在大量模拟中的大型结构。

　　但是，模拟并未捕获所有内容。

由于它们专注于暗物质和重力，因此忽略了较小规模的现象，例如恒星形成，超新星和黑洞效应。

研究人员计划扩展他们的方法以包括造成这种现象的力，并与传统的模拟一起“实时”运行其神经网络以提高准确性。

声明：本文内容仅代表作者个人观点，与本站立场无关。

如有内容侵犯您的合法权益，请及时与我们联系，我们将第一时间安排处理