|
Провели моделирование Млечного пути
|
|
|
|
Исследователи успешно выполнили первое в мире моделирование Млечного пути, которое точно отображает более 100 миллиардов отдельных звезд на протяжении 10 тысяч лет. Это достижение было достигнуто благодаря сочетанию искусственного интеллекта (ИИ) с численным моделированием. Моделирование не только отображает в 100 раз больше отдельных звезд, чем предыдущие современные модели, но и было выполнено более чем в 100 раз быстрее.
|
|
|
|
Опубликованное в журнале Proceedings of the International Conference for High Performance Computing, Networking, Storage and Analysis исследование представляет собой прорыв на стыке астрофизики, высокопроизводительных вычислений и искусственного интеллекта. Помимо астрофизики, эта новая методология может быть использована для моделирования других явлений, таких как изменение климата и погодные условия.
|
|
|
|
Проблемы моделирования Млечного Пути
|
|
|
|
Астрофизики пытались создать модель галактики Млечный Путь вплоть до ее отдельных звезд, которую можно было бы использовать для проверки теорий формирования галактик, их структуры и звездной эволюции на основе реальных наблюдений. Точные модели эволюции галактик сложны, поскольку они должны учитывать гравитацию, гидродинамику, взрывы сверхновых и синтез элементов, каждый из которых происходит в совершенно разных масштабах пространства и времени.
|
|
|
|
|
|
|
До сих пор ученым не удавалось моделировать такие крупные галактики, как Млечный Путь, сохраняя при этом высокое разрешение на уровне звезд. Согласно современным моделированиям, верхний предел массы составляет около одного миллиарда солнц, в то время как в Млечном Пути насчитывается более 100 миллиардов звезд. Это означает, что наименьшая "частица" в модели на самом деле является скоплением звезд массой в 100 солнц. То, что происходит с отдельными звездами, усредняется, и только крупномасштабные события могут быть точно смоделированы.
|
|
|
|
Основная проблема заключается в том, сколько лет проходит между каждым этапом моделирования — быстрые изменения на уровне отдельных звезд, такие как эволюция сверхновых, можно наблюдать только в том случае, если время между каждым снимком галактики достаточно короткое.
|
|
Вычислительные ограничения и необходимость инноваций
|
|
|
|
Но обработка меньших временных интервалов требует больше времени и вычислительных ресурсов. Помимо существующего на сегодняшний день ограничения по массе, если бы лучшая на сегодняшний день традиционная физическая симуляция попыталась смоделировать Млечный путь вплоть до отдельной звезды, на каждые 1 миллион лет моделирования потребовалось бы 315 часов.
|
|
|
|
При таких темпах моделирование эволюции галактики даже за 1 миллиард лет заняло бы более 36 лет реального времени. Но добавление все большего количества суперкомпьютерных ядер не является жизнеспособным решением. Они не только потребляют невероятное количество энергии, но и увеличение количества ядер не обязательно ускорит процесс, поскольку эффективность снижается.
|
|
|
|
В ответ на этот вызов Кейя Хирасима из Центра междисциплинарных теоретических и математических наук RIKEN (iTHEMS) в Японии совместно с коллегами из Токийского университета и Университета Барселоны в Испании разработал новый подход, сочетающий суррогатную модель глубокого обучения с физическим моделированием.
|
|
|
|
Суррогатная модель была обучена моделированию сверхновой с высоким разрешением и научилась предсказывать, как расширяется окружающий газ через 100 000 лет после взрыва сверхновой, не используя ресурсы остальной части модели. Этот быстрый доступ к ИИ позволил моделированию одновременно моделировать общую динамику галактики, а также мелкомасштабные явления, такие как взрывы сверхновых.
|
|
|
|
Чтобы проверить эффективность моделирования, команда сравнила результаты с крупномасштабными тестами с использованием суперкомпьютера RIKEN Fugaku и суперкомпьютерной системы Miyabi Токийского университета.
|
|
|
|
Прорывные результаты и более широкие последствия
|
|
|
|
Этот метод не только позволяет различать отдельные звезды в крупных галактиках с более чем 100 миллиардами звезд, но и позволяет моделировать 1 миллион лет всего за 2,78 часа. Это означает, что желаемый 1 миллиард лет можно было бы смоделировать всего за 115 дней, а не за 36 лет.
|
|
|
|
Помимо астрофизики, этот подход может трансформировать другие многомасштабные методы моделирования - например, в области погоды, океанологии и климатологии, — в которых моделирование должно увязывать как мелкомасштабные, так и крупномасштабные процессы.
|
|
|
|
"Я считаю, что интеграция искусственного интеллекта с высокопроизводительными вычислениями знаменует собой фундаментальный сдвиг в том, как мы решаем многомасштабные, мультифизические задачи в области вычислительных наук", - говорит Хирасима.
|
|
|
|
"Это достижение также показывает, что моделирование с использованием искусственного интеллекта может выйти за рамки распознавания образов и стать подлинным инструментом научных открытий, помогая нам проследить, как элементы, которые сформировали саму жизнь, возникли в нашей галактике".
|
|
|
|
Источник
|
