دانشمندان با کمک هوش مصنوعی دقیق‌ترین مدل کهکشان راه شیری را تاکنون ساخته‌اند
دانشمندان نخستین شبیه‌سازی را ساخته‌اند که ۱۰۰ میلیارد ستاره راه‌شیری را مدل می‌کند و با هوش مصنوعی فیزیک کهکشانی را ۱۰۰ برابر سریع‌تر از روش‌های پیشین اجرا می‌کند.
به گزارش مجله زیبایی سبز به نقل از یورونیوز، یک شبیه‌سازی نوآورانه با کمک هوش مصنوعی از راه شیری دقیق‌ترین تصویر تاکنون از چگونگی تکامل کهکشانمان را در اختیار دانشمندان گذاشته است.
این مدل با رهگیری بیش از ۱۰۰ میلیارد ستارهٔ منفرد در طول ۱۰٬۰۰۰ سال تحول، به وضوحی شگفت‌انگیز دست یافته است؛ سطحی که اخترفیزیک‌دانان دهه‌ها در پی آن بوده‌اند.
تا امروز پیشرفته‌ترین شبیه‌سازی‌ها ستاره‌ها را در گروههای بزرگ دسته‌بندی می‌کردند و فیزیکِ ریزمقیاسی را که رشد و دگرگونیِ کهکشان‌ها را شکل می‌دهد هموار و ساده‌سازی می‌کردند.
روش تازه این وضعیت را به‌کلی دگرگون می‌کند. با ترکیب یادگیری عمیق با مدل‌سازیِ سنتیِ مبتنی‌بر فیزیک، تیم توانست شبیه‌سازی‌ای در مقیاس کهکشانی تولید کند که ۱۰۰ برابر سریع‌تر از روش‌های پیشین اجرا می‌شود و هم‌زمان از ۱۰۰ برابر تعداد ستاره‌ها بهره می‌گیرد.
چرا شبیه‌سازی کهکشانِ ما تا این اندازه دشوار بوده است
برای درکِ چگونگیِ شکل‌گیریِ راه شیری و ادامهٔ تکامل آن، دانشمندان به مدل‌هایی نیاز دارند که از ساختار مارپیچیِ عظیمِ کهکشان تا رفتارِ ستاره‌های منفرد و ابرنواخترها را در بر بگیرند.
اما فیزیکِ دخیل، از گرانش و دینامیکِ گاز گرفته تا غنی‌سازیِ شیمیایی و مرگ‌های انفجاریِ ستاره‌ها، در بازه‌های زمانیِ به‌شدت متفاوت رخ می‌دهد.
ثبت رویدادهای سریع، مانند انفجارهای ابرنواختر، مستلزم آن است که شبیه‌سازی با گام‌های بسیار کوچک پیش برود؛ فرایندی چنان سنگین از نظر محاسباتی که مدل‌سازیِ یک میلیارد سال از تاریخِ کهکشانی می‌تواند دهه‌ها زمان ببرد.
میان‌بُرِ هوش مصنوعی
این پروژه، همکاری‌ای به سرپرستی پژوهشگر Keiya Hirashima در مرکز علوم نظری و ریاضیِ میان‌رشته‌ایِ ریکن (iTHEMS) در ژاپن، با همراهی همکارانی از دانشگاه توکیو و دانشگاه بارسلوناست. نتایج آن به‌تازگی در SC’25 (کنفرانس بین‌المللی محاسباتِ کارایی‌بالا، شبکه، ذخیره‌سازی و تحلیل) ارائه شد.
تیم هیراشیما این مشکل را با به‌کارگیریِ یک مدلِ جانشینِ مبتنی‌بر یادگیری عمیق حل کرد. این هوش مصنوعی که با شبیه‌سازی‌های پرتفکیکِ رفتارِ ابرنواخترها آموزش دیده بود، آموخت پیش‌بینی کند گاز در ۱۰۰٬۰۰۰ سال پس از یک انفجار چگونه پراکنده می‌شود.
بدین‌ترتیب شبیه‌سازیِ اصلی می‌توانست بسیار سریع‌تر پیش برود و هم‌زمان جزئیاتِ رویدادهای ابرنواخترِ منفرد را حفظ کند. این رویکرد با بهره‌گیری از داده‌های ابررایانهٔ Fugaku در ژاپن و سامانهٔ Miyabi در دانشگاه توکیو اعتبارسنجی شد.
«ابزاری واقعی برای کشف علمی»
هرچند این دستاورد نقطهٔ عطفی برای اخترفیزیک است، پیامدهای آن بسیار فراتر از علومِ فضایی می‌رود.
در مقاله آمده است: «روش‌هایی مشابهِ کارِ ما را می‌توان در شبیه‌سازی‌های شکل‌گیریِ ساختارهای عظیمِ کیهانی، برافزایشِ سیاه‌چاله‌ها، و نیز شبیه‌سازی‌های هوا، اقلیم و آشفتگی به کار برد.»
روش‌های ترکیبیِ هوش مصنوعی و فیزیک از این دست می‌توانند آن مدل‌ها را به‌شدت شتاب دهند و بالقوه هم سریع‌تر و هم دقیق‌ترشان کنند.
هیراشیما گفت: «بر این باورم که ادغامِ هوش مصنوعی با محاسباتِ کارایی‌بالا نشانگرِ تغییری بنیادی در شیوهٔ مواجههٔ ما با مسائلِ چندمقیاسه و چندفیزیکی در سراسرِ علومِ محاسباتی است.»
او افزود: «این دستاورد همچنین نشان می‌دهد شبیه‌سازی‌های شتاب‌یافته با هوش مصنوعی می‌توانند از تشخیصِ الگو فراتر بروند و به ابزاری واقعی برای کشفِ علمی بدل شوند؛ ابزاری که به ما کمک می‌کند ردِ چگونگیِ پیدایشِ عناصرِ سازندهٔ خودِ حیات را درونِ کهکشانمان دنبال کنیم.»
گامِ بعدیِ تیم، گسترشِ بیشترِ این روش و بررسیِ کاربردهای آن در مدل‌سازیِ سامانهٔ زمین خواهد بود.
