Autorul principal al studiului este Yin Li, un om de cercetare comun in astrofizica si matematica computationala la Institutul Flatiron al Fundatiei Simons. Co-autori includ cercetatorii Yueying Ni, Rupert Croft si Tiziana Di Matteo, Simeon Bird de la Universitatea din California, Riverside si Yu Feng de la Universitatea din California, Berkeley.
,,Simularile cosmologice sunt indispensabile pentru intelegerea universului nostru, de la crearea retelei cosmice pana la formarea galaxiilor si a gaurilor negre centrale ale acestora”, au scris oamenii de stiinta. ,,Aceasta gama dinamica vasta implica costuri de calcul mari, cerand sacrificarea fie a rezolutiei, fie a dimensiunii si adesea a ambelor.”
In astrofizica, simularile cosmologice sunt esentiale pentru a ajuta oamenii de stiinta sa formuleze predictii testabile pentru a demonstra sau respinge prin observatii telescopice.
„Chiar si cu supercomputerele suntem obligati sa decidem daca maximizam fie rezolutia, fie volumul, sau altfel sa facem compromisuri pentru ambele”, au scris oamenii de stiinta.
Echipa de cercetatori a folosit invatarea profunda AI, un subset de invatare automata, pentru a transforma imagini cu rezolutie mica. Pentru intrari si iesiri, modelul retelei neuronale profunde a folosit deplasarile particulelor in simularile corpului N. In astrofizica, simularile N-corp sunt un instrument utilizat in mod obisnuit pentru a arata sistemul dinamic al particulelor.
Folosind un algoritm bazat pe Reteaua Adversariala Generativa (GAN) , cercetatorii au produs o varietate de versiuni de super-rezolutie a diferitelor imagini cu rezolutie mica.
,,Construim o retea neuronala profunda pentru a imbunatati simularile de materie intunecata cu rezolutie scazuta, generand realizari de super-rezolutie care sunt de acord remarcabil de bine cu omologii autentici de inalta rezolutie cu privire la proprietatile lor statistice si sunt ordinele de marime mai rapide”, au scris cercetatorii. ,,Se aplica cu usurinta volumelor mai mari si se generalizeaza obiectelor rare care nu sunt prezente in datele de instruire.”
Potrivit cercetatorilor, acestia au reusit sa ,,imbunatateasca rezolutia simularii prin generarea de 512 ori mai multe particule”, precum si sa prezica deplasarile din pozitiile initiale. In plus, studiul arata ca simularile de super-rezolutie care sunt de peste o mie de ori mai mari decat seturile de antrenament pot fi generate folosind metoda AI.
,,Pe masura ce telescoapele si satelitii devin mai puternici, datele observationale despre galaxii, quasare si materia din spatiul intergalactic devin mai detaliate si acopera o gama mai mare de epoci si medii din univers”, au scris cercetatorii.
Oamenii de stiinta presupun ca utilizarea inteligentei artificiale poate contribui la predictia proprietatilor gaurilor negre supermasive, a quasarurilor si galaxiilor, care este mult mai rapid din punct de vedere calculatic, dar statistic la egalitate cu modelele hidrodinamice pe scara larga.
Invatarea automata a inteligentei artificiale se desfasoara rapid ca instrument pentru accelerarea cercetarii stiintifice. Acum, cu aceasta dovada a conceptului demonstrata, astronomii si fizicienii au o noua metoda de modelare si simulare a universului nostru pe o gama dinamica fara precedent in viitor.