人工智慧現在也可以幫人類探索宇宙,由柏克萊大學、日本卡弗里數物連攜宇宙研究機構、英屬哥倫比亞大學以及卡內基美隆大學研究員組成的研究團隊,開發了D3M(Deep Density Displacement Model)模型,這個模型能夠快速且精確地模擬宇宙的樣貌,以及在改變特定參數後的樣子。

這是天體物理學家第一次使用人工智慧技術,對宇宙進行3D模擬,研究人員表示,他們所開發的D3M模型,能夠以參數調整,快速且精確地模擬宇宙的外觀,回答像是宇宙中有多少暗物質(Dark Matter)存在等問題,也可以讓科學家知道,宇宙在各種情境條件下演變的狀況。由於每個情境條件都需要進行數千次的模擬,花費大量的計算時間,而這也使得開發出高速且精確的運算模型,成為現代天體物理學重要的目標之一。

天體物理學家關注重力,因為重力是形塑宇宙最重要的力量,但是精確的宇宙模擬,需要計算宇宙中數十億個粒子,受重力長時間影響的移動狀況,一次需要花費約300個模擬計算小時,雖然有較快速的模擬方法,可以將模擬時間壓縮至2分鐘,但是卻會讓精準度大幅下降。

在美國國家科學院院刊發表的D3M,能快速地模擬重力如何形塑宇宙,研究團隊使用PyTorch深度學習框架和GPU,以8,000種不同的模擬訓練資料,進行深度神經網路訓練,這些模擬資料來自另一個高精準度模型所產生的結果。

D3M模型訓練完成之後,研究人員對6億光年的箱型宇宙進行模擬,並把模擬結果與其他需要數百小時運算的高精準度模型,以及數分鐘的高速模型進行比較。D3M模型計算時間僅花費30毫秒,產生的結果相對誤差只有高精確度模型的2.8%,也就是說在省下大量運算時間的同時,還能保有一定水準的精確度。

D3M模型跟高速模型相比更不用說,高速模型花了更多的時間,得到的結果還存在約10%的相對誤差。研究團隊指出,D3M模型的另一個特點是,模擬在訓練資料中所未曾出現的參數,結果也相同精準,而這使得該模型成為富彈性的工具,可用於模擬訓練資料未覆蓋的參數空間。


Advertisement

更多 iThome相關內容