약간의 기계 학습 마법을 사용하여 과학자들은 이제 기존 방법보다 분의 의 시간으로 광대하고 복잡한 우주를 모델링할 수 있습니다. 새로운 접근 방식은 고해상도 우주 시뮬레이션의 새로운 시대를 여는 데 도움이 될 것입니다.
뉴욕 플랫아이언 연구소(Flatiron Institute)의 천체물리학자인 Yin Li와 그의 동료들이 개발한 새로운 방법은 작은 공간 영역의 저해상도 모델과 고해상도 모델을 모두 사용하여 기계 학습 알고리즘을 제공합니다. 이 알고리즘은 고해상도 버전에서 발견된 세부 사항과 일치하도록 저해상도 모델을 확장하는 방법을 알려줍니다. 일단 훈련되면 코드는 전체 규모의 저해상도 모델을 사용하여 512배 더 많은 입자를 포함하는 초고해상도 시뮬레이션을 생성할 수 있습니다.
이 확장은 상당한 시간 절약을 제공합니다. 500억 134만 입자를 포함하는 약 560억 광년 너비의 우주 영역에서 기존 방법으로는 단일 처리 코어를 사용하여 고해상도 시뮬레이션을 완료하는 데 36시간이 걸립니다. 과학자들은 새로운 접근 방식으로 1000분이면 충분하다고 말합니다. 시뮬레이션에 더 많은 입자를 추가했을 때 결과는 훨씬 더 인상적이었습니다. 134배 더 크고 16억 개의 입자를 포함하는 우주의 경우 연구원의 새로운 방법은 하나의 GPU에서 시간이 걸렸습니다.
또한 흥미로운 점:
전문가들에 따르면, 우주론 시뮬레이션 수행에 필요한 시간을 줄이는 것은 "수치 우주론과 천체 물리학에서 상당한 발전을 보장할 수 있습니다. 우주론적 시뮬레이션은 우주의 역사를 모든 은하와 블랙홀의 형성까지 거슬러 올라갑니다."
지금까지 새로운 모델은 암흑 물질과 중력만을 고려했습니다. 이것이 지나치게 단순화된 것처럼 보일 수 있지만 중력은 확실히 우주에서 대규모의 지배적인 힘이며 암흑 물질은 우주의 모든 "물질"의 85%를 구성합니다. 시뮬레이션의 입자는 문자 그대로의 암흑 물질 입자가 아니라 암흑 물질 입자가 우주를 통해 이동하는 방법을 보여주는 추적기로 사용됩니다.
시뮬레이션은 암흑 물질과 중력에만 초점을 맞추고 별 형성, 초신성 및 블랙홀의 영향과 같은 소규모 현상에 초점을 맞추기 때문에 모든 것을 포착하지 못합니다. 연구원들은 이러한 현상에 책임이 있는 힘을 포함하도록 방법을 확장하고 정확도를 개선하기 위해 기존 시뮬레이션과 함께 즉석에서 신경망을 실행할 계획입니다.
또한 읽기: