使用一點機器學習魔法，科學家們現在可以在傳統方法的千分之一時間內對廣闊而復雜的宇宙進行建模。 新方法將有助於開創高分辨率宇宙學模擬的新時代。
由紐約熨斗研究所天體物理學家李印及其同事開發的新方法提供了一種機器學習算法，該算法具有小空間區域的低分辨率和高分辨率模型。 該算法教授如何縮放低分辨率模型以匹配高分辨率版本中的細節。 一旦經過訓練，該代碼可以採用全尺寸、低分辨率模型並生成包含 512 倍以上粒子的超高分辨率模擬。
這種縮放可顯著節省時間。 對於大約 500 億光年寬、包含 134 億個粒子的宇宙區域，現有方法需要 560 小時才能使用單個處理核心完成高分辨率模擬。 科學家們說，使用新方法，只需 36 分鐘。 當更多的粒子被添加到模擬中時，結果更加令人印象深刻。 對於大 1000 倍、包含 134 億個粒子的宇宙，研究人員的新方法在一個 GPU 上花費了 16 個小時。
也很有趣：
據專家介紹，減少進行宇宙學模擬所需的時間“可以確保數值宇宙學和天體物理學取得重大進展。 宇宙學模擬將宇宙的歷史追溯到所有星系及其黑洞的形成。”
到目前為止，新模型只考慮了暗物質和引力。 雖然這似乎過於簡單化了，但在大範圍內，引力無疑是宇宙中的主導力量，暗物質佔宇宙中所有“物質”的 85%。 模擬中的粒子不是字面上的暗物質粒子，而是用作跟踪器來顯示暗物質粒子如何在宇宙中移動。
模擬並沒有捕捉到一切，因為它只關注暗物質和引力，沒有考慮恆星形成、超新星和黑洞效應等小規模現象。 研究人員計劃擴展他們的方法，將導致此類現象的力包括在內，並與傳統模擬一起運行他們的神經網絡以提高準確性。
另請閱讀：