Mô phỏng trí tuệ nhân tạo đầu tiên của vũ trụ dường như hoạt động giống như thật - và gần như là bí ẩn.
Các nhà nghiên cứu đã báo cáo mô phỏng mới vào ngày 24 tháng 6 trên tạp chí Proceedings of the National Academy of Science. Mục đích là tạo ra một phiên bản ảo của vũ trụ để mô phỏng các điều kiện khác nhau cho sự khởi đầu của vũ trụ, nhưng các nhà khoa học cũng hy vọng nghiên cứu mô phỏng của chính họ để hiểu tại sao nó hoạt động tốt như vậy.
"Nó giống như dạy phần mềm nhận dạng hình ảnh với rất nhiều hình ảnh của chó và mèo, nhưng sau đó nó có thể nhận ra voi", đồng tác giả nghiên cứu Shirley Ho, nhà vật lý thiên văn lý thuyết tại Trung tâm Vật lý thiên văn tính toán ở thành phố New York, cho biết tuyên bố. "Không ai biết làm thế nào nó làm điều này, và nó là một bí ẩn lớn cần được giải quyết."
Mô phỏng vũ trụ
Với tuổi và quy mô khổng lồ của vũ trụ, hiểu được sự hình thành của nó là một thách thức khó khăn. Một công cụ trong hộp công cụ vật lý thiên văn là mô hình máy tính. Tuy nhiên, các mô hình truyền thống đòi hỏi nhiều sức mạnh và thời gian tính toán, bởi vì các nhà vật lý thiên văn có thể cần phải chạy hàng ngàn mô phỏng, điều chỉnh các tham số khác nhau, để xác định đó là kịch bản nào trong thế giới thực.
Ho và các đồng nghiệp của cô đã tạo ra một mạng lưới thần kinh sâu sắc để tăng tốc quá trình. Được đặt tên là Mô hình dịch chuyển mật độ sâu, hay D ^ 3M, mạng lưới thần kinh này được thiết kế để nhận ra các tính năng phổ biến trong dữ liệu và "học" theo thời gian cách thao tác dữ liệu đó. Trong trường hợp của D ^ 3M, các nhà nghiên cứu đã đưa ra 8.000 mô phỏng từ mô hình máy tính truyền thống có độ chính xác cao của vũ trụ. Sau khi D ^ 3M đã học được cách các mô phỏng đó hoạt động, các nhà nghiên cứu đã đưa vào một mô phỏng hoàn toàn mới, chưa từng thấy của một vũ trụ ảo, hình khối lập phương 600 triệu năm ánh sáng. (Vũ trụ thực tế có thể quan sát được là khoảng 93 tỷ năm ánh sáng.)
Mạng lưới thần kinh có thể chạy các mô phỏng trong vũ trụ mới này giống như trong bộ dữ liệu mô phỏng 8.000 mà nó đã sử dụng để đào tạo. Các mô phỏng tập trung vào vai trò của trọng lực trong sự hình thành của vũ trụ. Điều đáng ngạc nhiên, Ho nói, là khi các nhà nghiên cứu biến đổi các thông số hoàn toàn mới, như lượng vật chất tối trong vũ trụ ảo, D ^ 3M vẫn có thể xử lý các mô phỏng - mặc dù chưa bao giờ được đào tạo về cách xử lý vật chất tối các biến thể.
Máy tính và vũ trụ học
Tính năng này của D ^ 3M là một bí ẩn, Ho nói, và làm cho mô phỏng hấp dẫn cho khoa học tính toán cũng như vũ trụ học.
"Chúng tôi có thể là một sân chơi thú vị cho người học máy sử dụng để xem tại sao mô hình này ngoại suy tốt như vậy, tại sao nó lại ngoại suy với voi thay vì chỉ nhận ra mèo và chó", cô nói. "Đó là một con đường hai chiều giữa khoa học và học tập sâu."
Mô hình này cũng có thể là một trình tiết kiệm thời gian cho các nhà nghiên cứu quan tâm đến nguồn gốc phổ quát. Mạng thần kinh mới có thể hoàn thành mô phỏng trong 30 mili giây, so với vài phút cho phương pháp mô phỏng trí tuệ phi nhân tạo nhanh nhất. Mạng cũng có tỷ lệ lỗi 2,8%, so với 9,3% cho mô hình nhanh nhất hiện có. (Các tỷ lệ lỗi này được so sánh với tiêu chuẩn vàng về độ chính xác, một mô hình mất hàng trăm giờ cho mỗi mô phỏng.)
Các nhà nghiên cứu hiện có kế hoạch thay đổi các thông số khác trong mạng lưới thần kinh mới, xem xét cách các yếu tố như thủy động lực học, hoặc sự chuyển động của chất lỏng và khí, có thể đã định hình sự hình thành của vũ trụ.
