Вчені навчили нейромережу створювати моделі розвитку Всесвіту на графічному процесорі

    73

    Вона бере моделі Всесвіту з низькою роздільною здатністю і використовує їх для створення моделей з високою роздільною здатністю.

    Змоделювати модель розвитку Всесвіту не так-то й просто, оскільки необхідно враховувати потенційно нескінченну кількість змінних. Для космологічного моделювання та обробки даних учені зазвичай використовують суперкомп’ютери, проте група дослідників з Університету Карнегі-Меллона недавно придумала спосіб використовувати для цих цілей технологію машинного навчання, яка застосовується для навчання штучного інтелекту малювання або музики.

    Так, це та ж технологія і те ж обладнання, на якому працюють нейронні мережі по типу «Цієї людини не існує» і так далі. Тепер вони можуть моделювати Всесвіт з високою роздільною здатністю, і це цілком може змінити те, як людство сприймає і розуміє закони фізики.

    Вченим доводиться експериментувати з різними значеннями, коли мова йде, наприклад, про передбачення кількості темної матерії у Всесвіті, тому багато в чому це методи проб і помилок. Вони використовують космологічне моделювання, а потім підтверджують або спростовують його за допомогою спостережень з космічних телескопів та інших джерел збору даних.

    Дослідники з Університету Карнегі-Меллона вирішили вдатися до допомоги ШІ, оскільки використання суперкомп’ютера є дорогим задоволенням (оренда одного такого коштує більше тисячі доларів на годину), а вуглецевий слід суперкомп’ютера досить великий у порівнянні з відносно невеликим енергоспоживанням графічних процесорів. Крім того, суперкомп’ютери – не найкраще рішення для задач прогнозування.

    На поточний момент вчені можуть моделювати зображення з високою роздільною здатністю окремих областей Всесвіту, але для їх отримання потрібно занадто багато часу та енергії. На допомогу приходить штучний інтелект, але замість того, щоб навчити ШІ генерувати Всесвіт цілком, дослідники навчили його моделювати окремі області з високою роздільною здатністю, і це істотно прискорило роботу.

    «Навчена нейромережа може створювати повномасштабні моделі з низькою роздільною здатністю і генерувати моделі з надвисокою роздільною здатністю, що містять в 512 разів більше частинок. Для області у Всесвіті приблизно в 500 млн світлових років, що містить 134 млн частинок, існуючі методи зажадали б560 годин, щоб зробити моделювання з високою роздільною здатністю з використанням одного ядра. З новим підходом буде потрібно всього 36 хвилин», – йдеться в дослідженні.

    Результати вражають, коли до моделювання було додано ще більше частинок. Для Всесвіту, який в 1000 разів більший, новий метод зажадав 16 годин з використанням лише одного графічного процесора. Для моделювання такого розміру Всесвіту на суперкомп’ютері будуть потрібні місяці. Це не означає, що ШІ знає, як виглядає Всесвіт за межами нашої досяжності, але він може перетворити зображення з низькою роздільною здатністю в зображення з високою роздільною здатністю, і на це піде набагато менше часу. Це все одно, що дати ШІ грубий начерк і на виході отримати повноцінну картину. Для цього підійде навіть звичайний ігровий ПК.