De allereerste kunstmatige intelligentiesimulatie van het universum lijkt te werken als het echte werk - en is bijna net zo mysterieus.
Onderzoekers rapporteerden de nieuwe simulatie op 24 juni in het tijdschrift Proceedings van de National Academy of Sciences. Het doel was om een virtuele versie van de kosmos te creëren om verschillende omstandigheden voor het begin van het universum te simuleren, maar de wetenschappers hopen ook hun eigen simulatie te bestuderen om te begrijpen waarom het zo goed werkt.
'Het is alsof je beeldherkenningssoftware leert met veel foto's van katten en honden, maar dan olifanten kunt herkennen', zegt co-auteur Shirley Ho, een theoretische astrofysicus bij het Center for Computational Astrophysics in New York City, in een uitspraak. 'Niemand weet hoe het dit doet, en het is een groot mysterie om op te lossen.'
Het universum simuleren
Gezien de enorme leeftijd en omvang van het universum, is het een enorme uitdaging om de vorming ervan te begrijpen. Een tool in de astrophysicist toolbox is computermodellering. Traditionele modellen vereisen echter veel rekenkracht en tijd, omdat astrofysici mogelijk duizenden simulaties moeten uitvoeren, waarbij ze verschillende parameters moeten aanpassen, om te bepalen wat het meest waarschijnlijke real-world scenario is.
Ho en haar collega's hebben een diep neuraal netwerk gecreëerd om het proces te versnellen. Dit neurale netwerk, ook wel het Deep Density Displacement Model of D ^ 3M genoemd, is ontworpen om algemene kenmerken in gegevens te herkennen en na verloop van tijd te "leren" hoe die gegevens te manipuleren. In het geval van D ^ 3M hebben de onderzoekers 8000 simulaties ingevoerd vanuit een zeer nauwkeurig traditioneel computermodel van het universum. Nadat D ^ 3M had geleerd hoe die simulaties werkten, voerden de onderzoekers een gloednieuwe, nooit eerder geziene simulatie in van een virtueel, kubusvormig universum met een doorsnede van 600 miljoen lichtjaar. (Het werkelijk waarneembare heelal heeft een diameter van ongeveer 93 miljard lichtjaar.)
Het neurale netwerk was in staat om simulaties uit te voeren in dit nieuwe universum, net als in de dataset met 8000 simulaties die het had gebruikt voor training. De simulaties waren gericht op de rol van zwaartekracht in de vorming van het universum. Wat verrassend was, zei Ho, was dat toen de onderzoekers gloednieuwe parameters varieerden, zoals de hoeveelheid donkere materie in het virtuele universum, D ^ 3M nog steeds in staat was om de simulaties te verwerken - ondanks dat hij nooit was opgeleid in het omgaan met donkere materie variaties.
Computers en kosmologie
Dit kenmerk van D ^ 3M is een mysterie, zei Ho, en maakt de simulatie intrigerend voor zowel de informatica als de kosmologie.
"We kunnen een interessante speeltuin zijn voor een machineleerling om te zien waarom dit model zo goed extrapoleert, waarom het extrapoleert naar olifanten in plaats van alleen katten en honden te herkennen", zei ze. 'Het is een tweerichtingsverkeer tussen wetenschap en diep leren.'
Het model kan ook tijdwinst opleveren voor onderzoekers die geïnteresseerd zijn in universele oorsprong. Het nieuwe neurale netwerk zou simulaties in 30 milliseconden kunnen voltooien, vergeleken met enkele minuten voor de snelste niet-kunstmatige intelligentie-simulatiemethode. Het netwerk had ook een foutenpercentage van 2,8%, vergeleken met 9,3% voor het bestaande snelste model. (Deze foutenpercentages worden vergeleken met een gouden nauwkeurigheidsnorm, een model dat honderden uren in beslag neemt voor elke simulatie.)
De onderzoekers zijn nu van plan andere parameters in het nieuwe neurale netwerk te variëren en onderzoeken hoe factoren zoals hydrodynamica of de beweging van vloeistoffen en gassen de vorming van het universum mogelijk hebben gevormd.
