Благодаря машинному обучению международная группа ученых разработала первую ИИ-модель Вселенной. Новый подход прекрасно сочетает достоинства двух прежних - аналитических рассуждений и численного моделирования.
Чтобы понять устройство Вселенной, ученые создают ее модели, которые бы соответствовали наблюдениям. До появления компьютеров они создавали очень упрощенные физические системы, в шутку называемые «сферическими коровами», с помощью карандаша и бумаги. Затем стали моделировать более сложные феномены, например, движение миллиардов частиц на протяжении миллиарда лет, чтобы изучить развитие Вселенной до нынешнего состояния, пишет EurekAlert.
После Большого взрыва в начале жизни Вселенная была единообразной, но со временем более плотные части становились все плотнее под воздействием гравитации, и постепенно сформировалась структура, известная как космическая паутина. Для ее изучения исследователи использовали множество методов, включая аналитические вычисления и численное моделирование. Аналитические методы дают быстрый результат, но не точны. Численные - точнее, но требуют много вычислительных ресурсов, даже на суперкомпьютерах.
Поэтому для моделирования Вселенной ученым приходится выбирать между точностью и скоростью.
Для того чтобы решить эту проблему, команда исследователей из США, Канады и Японии обратилась к машинному обучению и поручила нейросети предсказать развитие ранней Вселенной до нынешнего состояния.
Они обучили сверточную нейросеть и построили модель глубокого обучения D3M, которая имитирует процесс формирования космической паутины.
Новая модель получилась не только во много раз точнее, чем аналитическая, но и намного эффективнее, чем численные методы, которые использовались для ее обучения.
По мнению Инь Ли из Токийского университета, одного из участников исследования, благодаря таким методам в скором времени ученые смогут открыть первоначальные состояния и физику, скрытую во Вселенной.
