Den första någonsin konstgjorda intelligenssimuleringen av universum verkar fungera som den riktiga saken - och är nästan lika mystisk.
Forskare rapporterade den nya simuleringen 24 juni i tidskriften Proceedings of the National Academy of Sciences. Målet var att skapa en virtuell version av kosmos för att simulera olika förutsättningar för universums början, men forskarna hoppas också kunna studera sin egen simulering för att förstå varför det fungerar så bra.
"Det är som att lära ut bildigenkänningsprogramvara med massor av bilder av katter och hundar, men sedan kan det känna igen elefanter," sa medförfattaren Shirley Ho, en teoretisk astrofysiker vid Center for Computational Astrophysics i New York City, sade i en påstående. "Ingen vet hur det gör detta och det är ett stort mysterium att lösas."
Simulera universum
Med tanke på universums enorma ålder och omfattning är det en skrämmande utmaning att förstå dess bildning. Ett verktyg i astrofysikerverktygslådan är datormodellering. Traditionella modeller kräver mycket datorkraft och tid, eftersom astrofysiker kan behöva köra tusentals simuleringar, justera olika parametrar för att avgöra vilket är det mest sannolika verkliga scenariot.
Ho och hennes kollegor skapade ett djupt neuralt nätverk för att påskynda processen. Detta neurala nätverk, som kallas Deep Density Displacement Model, eller D ^ 3M, är utformat för att känna igen vanliga funktioner i data och "lära" sig över tid hur man manipulerar dessa data. När det gäller D ^ 3M, matade forskarna in 8000 simuleringar från en traditionell datormodell av universum med hög noggrannhet. Efter att D ^ 3M hade lärt sig hur dessa simuleringar fungerade, satte forskarna in en helt ny, aldrig tidigare sett simulering av en virtuell, kubformad universum 600 miljoner ljusår över hela världen. (Det verkliga observerbara universum är ungefär 93 miljarder ljusår i hela.)
Neuralnätverket kunde köra simuleringar i detta nya universum precis som det hade i det 8000-simuleringsdatasystemet som det hade använts för träning. Simuleringarna fokuserade på tyngdkraften i universums bildning. Det som var överraskande, sa Ho, var att när forskarna varierade helt nya parametrar, som mängden mörk materia i det virtuella universum, kunde D ^ 3M fortfarande hantera simuleringarna - trots att de aldrig tränats för att hantera mörk materia variationer.
Datorer och kosmologi
Denna funktion av D ^ 3M är ett mysterium, sa Ho, och gör simuleringen spännande för beräkningsvetenskap och kosmologi.
"Vi kan vara en intressant lekplats för en maskinlärare att använda för att se varför den här modellen extrapolerar så bra, varför den extrapoleras till elefanter istället för att bara känna igen katter och hundar," sa hon. "Det är en tvåvägsgata mellan vetenskap och djup inlärning."
Modellen kan också vara en tidssparare för forskare som är intresserade av universellt ursprung. Det nya neurala nätverket kan fullfölja simuleringar på 30 millisekunder, jämfört med flera minuter för den snabbaste icke-artificiella intelligens simuleringsmetoden. Nätverket hade också en felfrekvens på 2,8%, jämfört med 9,3% för den befintliga snabbaste modellen. (Dessa felfrekvenser jämförs med en guldstandard för noggrannhet, en modell som tar hundratals timmar för varje simulering.)
Forskarna planerar nu att variera andra parametrar i det nya neurala nätverket och undersöker hur faktorer som hydrodynamik eller rörelse av vätskor och gaser kan ha format universumets bildning.
