test adv
,

Учёные из США обучили нейросеть создавать модели развития Вселенной на графическом процессоре

Она берёт модели Вселенной с низким разрешением и использует их для создания моделей с высоким разрешением

Смоделировать модель развития Вселенной не так-то и просто, поскольку необходимо учитывать потенциально бесконечное количество переменных. Для космологического моделирования и обработки данных учёные обычно используют суперкомпьютеры, однако группа исследователей из Университета Карнеги-Меллона недавно придумала способ использовать для этих целей технологию машинного обучения, которая применяется для обучения искусственного интеллекта рисованию или музыке.

Да, это та же технология и то же оборудование, на котором работают нейронные сети по типу «Этого человека не существует» и так далее. Теперь они могут моделировать Вселенную с высоким разрешением, и это вполне может изменить то, как человечество воспринимает и понимает законы физики.

Учёным приходится экспериментировать с разными значениями, когда речь идёт, например, о предсказании количества тёмной материи во Вселенной, поэтому во многом это методы проб и ошибок. Они используют космологическое моделирование, а затем подтверждают или опровергают его с помощью наблюдений с космических телескопов и других источников сбора данных.

Исследователи из Университета Карнеги-Меллона решили прибегнуть к помощи ИИ, поскольку использование суперкомпьютера является дорогим удовольствием (аренда одного такого стоит более тысячи долларов в час), а углеродный след суперкомпьютера достаточно большой по сравнению с относительно небольшим энергопотреблением графических процессоров. Кроме того, суперкомпьютеры — не лучшее решение для задач прогнозирования.

На текущий момент учёные могут моделировать изображения с высоким разрешением отдельных областей Вселенной, но для их получения требуется слишком много времени и энергии. На помощь приходит искусственный интеллект, но вместо того, чтобы обучить ИИ генерировать Вселенную целиком, исследователи научили его моделировать отдельные области в высоком разрешении, и это существенно ускорило работу.

«Обученная нейросеть может создавать полномасштабные модели с низким разрешением и генерировать модели со сверхразрешением, содержащие в 512 раз больше частиц. Для области во Вселенной примерно в 500 млн световых лет, содержащей 134 млн частиц, существующие методы потребовали бы 560 часов, чтобы произвести моделирование в высоком разрешении с использованием одного ядра. С новым подходом потребуется всего 36 минут», — говорится в исследовании.

Результаты впечатляют, когда к моделированию было добавлено ещё больше частиц. Для Вселенной, которая в 1000 раз больше, новый метод потребовал 16 часов с использованием лишь одного графического процессора. Для моделирования такого размера Вселенной на суперкомпьютере потребуются месяцы. Это не означает, что ИИ знает, как выглядит Вселенная за пределами нашей досягаемости, но он может преобразовать изображения с низким разрешением в изображения с высоким разрешением, и на это уйдёт гораздо меньше времени. Это всё равно, что дать ИИ грубый набросок и на выходе получить полноценную картину. Для этого подойдёт даже обычный игровой ПК.



Материалы по теме:

Последнее изменение:
 

Добавить комментарий
Если нужно ответить кому-то конкретно,
лучше нажать на «Ответить» под его комментарием