(NASA / CXC / PSU / L. Townsley e outros / UKIRT // JPL-Caltech)
Pela primeira vez, os cientistas usaram inteligência artificial para criar simulações tridimensionais complexas do Universo. É chamado de Modelo de Deslocamento de Densidade Profunda, ou D 3 M, e é tão rápido e tão preciso que os astrofísicos que o projetaram nem sabem como ele faz o que faz.
O que faz é simular com precisão o modo como a gravidade molda o Universo ao longo de bilhões de anos. Cada simulação leva apenas 30 milissegundos - em comparação com os minutos que leva a outras simulações.
E, ainda mais fascinante, o D 3 M aprendeu com as 8.000 simulações de treinamento que a equipe alimentou - vastamente extrapolando e superando-as, capaz de ajustar parâmetros nos quais não havia sequer sido treinado.
"É como ensinar software de reconhecimento de imagens com muitas fotos de gatos e cachorros, mas então é capaz de reconhecer elefantes", disse a astrofísica Shirley Ho, do Instituto Flatiron, e da Universidade Carnegie Mellon.
"Ninguém sabe como isso acontece, e é um grande mistério a ser resolvido."
Observações do Universo ao nosso redor podem fornecer muitas informações sobre sua evolução, mas há limites para o que podemos ver. É por isso que as simulações podem ser muito úteis.
Ao executar simulações que produzem resultados que correspondem às nossas observações, bem como simulações que não o fazem, os cientistas podem descobrir os cenários com maior probabilidade de produzir o universo em que vivemos.
Mas a complexidade da história do nosso Universo faz com que tais simulações sejam computacionalmente onerosas, o que significa que elas demoram a correr. Um único estudo poderia exigir milhares de simulações para obter dados estatísticos úteis.
É aí que entra o D 3 M, desenvolvido por uma equipe internacional de astrofísicos computacionais. Calcula como, ao longo de 13,8 bilhões de anos (a idade do Universo), a gravidade movimenta bilhões de partículas no espaço.
Se fôssemos simular esse movimento de partículas com software não alimentado por AI, poderia levar até 300 horas de computação para uma única simulação altamente precisa; Você também pode fazê-lo em apenas alguns minutos, mas a precisão vai sofrer muito.
Para superar esse problema, a equipe de pesquisa decidiu desenvolver uma rede neural para executar as simulações e treinou D 3 M, alimentando-a com 8.000 simulações diferentes de um modelo com a maior precisão produzida até o momento.
Uma vez que o treinamento do D 3 M estivesse completo e o AI estivesse funcionando com precisão, ele estava pronto para fazer um teste. Os pesquisadores pediram para simular um universo-em-um-caixa em torno de 600 milhões de anos-luz por lado.
Para avaliar sua saída, a equipe também executou a mesma simulação com o método dolorosamente lento de centenas de horas e o método que leva apenas alguns minutos. Como esperado, o método lento produziu o resultado mais preciso, enquanto o rápido produziu um erro relativo de 9,3%.
D 3 M explodiu todos os métodos rápidos anteriores da água. Realizou sua simulação em apenas 30 milissegundos e, comparado ao modelo lento, mas super-preciso, teve apenas um erro relativo de 2,8.
Ainda mais impressionante, embora tivesse sido treinado apenas em um único conjunto de parâmetros, a rede neural poderia prever a formação da estrutura do Universo simulado com base em outros parâmetros em que não havia sido treinado - por exemplo, se a quantidade de matéria escura foi variado.
Isso significa que a inteligência artificial pode ter uma flexibilidade que a torna adequada a várias tarefas de simulação - embora antes disso aconteça, a equipe espera descobrir exatamente como conseguiu fazer o que faz.
"Podemos ser um playground interessante para um aprendiz de máquina usar para ver por que esse modelo extrapola tão bem, por que extrapola para elefantes em vez de apenas reconhecer cães e gatos", disse Ho .
"É uma via de mão dupla entre ciência e aprendizado profundo."
A pesquisa foi publicada no Proceedings of National Academy of Sciences (PNAS) .
Fonte - Science Alert
Uma comparação da precisão de dois modelos do universo. O novo modelo (à esquerda), apelidado de D3M, é mais rápido e preciso do que um método existente (à direita) chamado de teoria de perturbação de segunda ordem, ou 2LPT. As cores representam o erro médio de deslocamento em milhões de anos-luz para cada ponto na grade em relação a um modelo de alta precisão (embora muito mais lento).S. He et al. / Anais da Academia Nacional de Ciências de 2019
Nenhum comentário:
Postar um comentário