Млечный Путь содержит более 100 миллиардов звёзд, каждая из которых проходит свой собственный эволюционный путь через рождение, жизнь и смерть — иногда насильственную.
На протяжении десятилетий астрофизики мечтали создать полную симуляцию нашей галактики, цифровой двойник, который мог бы проверить теории о том, как формируются и эволюционируют галактики. Эта мечта всегда разбивалась об ограничения вычислительных возможностей.
Но теперь исследователи под руководством Кейи Хирашимы из Центра междисциплинарных теоретических и математических наук RIKEN достигли того, что казалось недостижимым: моделирования, представляющего каждую из этих 100 миллиардов звёзд на протяжении 10 000 лет галактического времени.
Прорыв произошёл благодаря неожиданному союзу искусственного интеллекта и традиционных физических моделей, представленных на конференции Supercomputing Conference в этом году.
Плотно сгруппированное скопление звёзд вблизи центра Млечного Пути
Проблема заключалась не только в масштабе, хотя цифры и поражают воображение.
Предыдущие современные модели галактик могли обрабатывать примерно один миллиард масс Солнца, что означает, что их самая маленькая «частица» представляла собой скопление из примерно 100 звёзд.
Отдельные звёздные события усреднялись и терялись в шуме. Чтобы зафиксировать то, что происходит с отдельными звёздами, необходимо делать крошечные временные шаги в моделировании, достаточно короткие, чтобы уловить быстрые изменения, такие как взрывы сверхновых.
Но меньшие временные шаги требуют экспоненциально большей вычислительной мощности. Использование традиционных методов для моделирования Млечного Пути с разрешением отдельных звёзд потребовало бы 315 часов работы суперкомпьютера на каждый миллион лет эволюции галактики. Моделирование даже одного миллиарда лет потребовало бы 36 лет реального времени. Добавление дополнительных процессорных ядер также не решает проблему, поскольку после определённого момента эффективность резко падает, а энергопотребление резко возрастает.
Команда Хирашимы нашла решение в виде суррогатной модели глубокого обучения. Они обучили ИИ на высокоразрешающих симуляциях сверхновых, научив его предсказывать, как газ расширяется в течение 100 000 лет после взрыва.
Снимки галактического диска газа во фронтальном (слева) и боковом (справа) виде. Эти снимки распределения газа после взрыва сверхновой были сгенерированы замещающей моделью глубокого обучения.
Этот искусственный интеллект обрабатывает быструю мелкомасштабную физику, не замедляя работу остальной части модели, что позволяет симуляции одновременно отслеживать как динамику всей галактики, так и отдельные звёздные катастрофы. Рост производительности впечатляет. То, что раньше занимало 36 лет, теперь требует всего 115 дней.
Команда проверила свои результаты с помощью крупномасштабных тестов на суперкомпьютере Fugaku в RIKEN и системе Miyabi в Токийском университете, подтвердив, что симуляция с использованием искусственного интеллекта даёт точные результаты в беспрецедентном масштабе.
Источник: habr.com