Apa Intelijen Ponggawa nyepetake Astrofisika?

Konten

• Titik utama

Titik utama

• Fisikawan nggunakake pembelajaran mesin AI kanggo ngowahi gambar kanthi resolusi rendah dadi resolusi super.
• Algoritma adhedhasar Generative Adversarial Network (GAN) nambah simulasi kanthi 512 kali luwih partikel.
• AI anyar ngidini para kosmolog kanggo model lan simulasi alam semesta ing jajaran dinamis sing durung pernah ana sadurunge.

Sinau anyar ing Prosiding Akademi Ilmu Nasional Amerika Serikat (PNAS) nuduhake kepiye pembelajaran jero intelijen (AI) bisa nggayuh simulasi kosmologis kanthi resolusi super kanggo nyepetake pemahaman sing luwih gedhe babagan alam semesta.

Panulis utama panelitian kasebut yaiku Yin Li, salah sawijining peneliti ing bidang astrofisika lan matematika komputasional ing Institut Flatiron Simons Foundation. Panulis kasebut kalebu peneliti Universitas Carnegie Mellon Yueying Ni, Rupert Croft lan Tiziana Di Matteo, Simeon Bird ing Universitas California, Riverside, lan Yu Feng ing Universitas California, Berkeley.

"Simulasi kosmologis penting banget kanggo ngerti alam semesta, wiwit nggawe web kosmik nganti pembentukan galaksi lan bolongan ireng tengah," tulis para ilmuwan. "Rentang dinamis sing jembar iki ngasilake biaya komputasi sing akeh, nuntut pengorbanan kanggo resolusi utawa ukuran lan asring kalorone."

Ing astrofisika, simulasi kosmologis penting kanggo mbantu ilmuwan ngrumusake ramalan sing bisa dites kanggo mbuktekake utawa mbantah karo pengamatan teleskopik.

"Sanajan karo komputer super, kita kepeksa mutusake apa maksimal kanggo resolusi, utawa volume, utawa kompromi kanggo kalorone," tulis para ilmuwan.

Tim peneliti nggunakake AI deep learning, minangka subset pembelajaran mesin, kanggo ndandani gambar kanthi resolusi rendah. Kanggo input lan output, model jaringan saraf jero nggunakake pamindhahan partikel ing simulasi N-body. Ing astrofisika, simulasi N-awak minangka alat sing umum digunakake kanggo nuduhake sistem partikel sing dinamis.

Nggunakake algoritma adhedhasar Generative Adversarial Network (GAN), peneliti nggawe macem-macem versi resolusi super beda-beda kanthi resolusi gambar.

"Kita nggawe jaringan saraf sing jero kanggo ningkatake simulasi materi peteng kanthi resolusi rendah, ngasilake realisasi resolusi super sing cocog banget karo mitra resolusi tinggi asli ing sifat statistik, lan luwih gedhe pesenan," tulis peneliti. "Iki gampang ditrapake kanggo volume sing luwih gedhe, lan umume obyek langka sing ora ana ing data latihan."

Miturut peneliti, dheweke bisa "ningkatake resolusi simulasi kanthi ngasilake partikel 512 kali luwih akeh," uga prédhiksi pamindhahan saka posisi awal. Kajaba iku, panliten nuduhake manawa simulasi resolusi super sing luwih saka sewu kaping luwih gedhe tinimbang set latihan bisa digawe nggunakake metode AI.

"Nalika teleskop lan satelit dadi luwih kuat, data observasional galaksi, kuarsa lan prekara ing ruang intergalaktik dadi luwih rinci lan nutupi jajaran epoch lan lingkungan ing jagad raya iki," tulis peneliti.

Para ilmuwan mbayangake nggunakake intelijen buatan bisa mbantu prediksi sifat bolongan ireng, kuarsa, lan galaksi sing luwih cepet kanthi komputasi, nanging kanthi statistik padha karo model hidrodinamika skala penuh.

Sinau mesin intelijen buatan kanthi cepet digunakake minangka alat kanggo nyepetake riset ilmiah. Saiki kanthi bukti-bukti sing nyata, para astronom lan ahli fisika duwe cara anyar kanggo model lan simulasi alam semesta ing jajaran dinamis sing durung pernah ana sadurunge.

Hak cipta © 2021 Cami Rosso. Kabeh hak dilindhungi undhang-undhang.