단 30밀리초 만에 우주를 정확하게 시뮬레이션하는 새로운 AI 모델

우리 우주의 진화를 설명하기 위해 과학자들은 하늘 관측에서 정보를 추출하기 위해 많은 시뮬레이션이 필요합니다. 이 프로세스에는 수십억 년에 걸쳐 방대한 양에 걸쳐 정확한 물리적 모델을 사용하여 수십억 개의 입자를 평가하는 작업이 포함됩니다.

천체 물리학자들은 일반적으로 N체 시뮬레이션이라는 접근 방식을 사용하여 우주의 구조 형성을 예측합니다. 그러나 이 방법은 계산 비용이 많이 듭니다.

이제 미국의 연구원 팀은 우주의 복잡한 3D 시뮬레이션을 생성하기 위해 N체 시뮬레이션의 대안인 새로운 모델을 개발했습니다. 딥 러닝 기술을 사용하여 훨씬 짧은 시간에 훨씬 더 정확한 결과를 출력합니다.

D3M(Deep Density Displacement Model)이라는 신경망은 단일 우주 매개변수 세트에 대해 학습됩니다.

빠르고 정확한 결과를 제공하는 것과 함께 특정 매개변수(예:우주의 암흑 물질의 양)가 변경되는 경우 우리 우주가 어떻게 보일지 정확하게 시뮬레이션할 수 있습니다. 이러한 매개변수가 다양한 데이터에 대해 모델을 훈련한 적이 없다는 사실에도 불구하고 말입니다.

D3M은 중력(가장 중요한 힘)이 우리 우주에 미치는 영향을 모델링합니다. 이 힘이 우주의 전체 진화에 걸쳐 수십억 개의 개별 입자를 이동시키는 방법을 계산합니다.

참조:PNAS | DOI:10.1073/pnas.1821458116 | 시몬스 재단

연구원들은 가장 정확한 기존 모델에서 약 8,000개의 서로 다른 시뮬레이션에 대해 D3M을 교육했습니다. D3M을 구동하는 심층 신경망은 점차적으로 더 짧은 시간에 더 정확한 결과를 산출하는 방법을 배웠습니다.

모델이 훈련되면 천체 물리학자들은 6억 광년 너비의 정사각형 우주 시뮬레이션을 실행했습니다. 그런 다음 결과를 기존의 최신 모델과 비교했습니다.

2차 라그랑주 섭동 이론(2LPT)에 의해 생성된 새 모델(D3M)과 N체 시뮬레이션의 정확도 비교. 수백만 광년 단위의 평균 변위 오차는 그리드에서 다양한 색상으로 표시됩니다.

정확하지만 느린 방법은 우주를 시뮬레이션하는 데 수백 시간이 걸렸고 빠른 접근은 몇 분이 걸렸지만 D3M은 시뮬레이션을 단 30밀리초 만에 실행했습니다.

상대오차가 9.3%였던 기존의 빠른 접근 방식에 비해 D3M은 상대오차 2.8%로 보다 정확한 결과를 얻을 수 있었다.

이 모델을 정말 특별하게 만드는 것은 훈련 데이터 세트에 포함되지 않은 우주 매개변수 변형을 처리하는 탁월한 능력입니다.

다음 연구에서 연구원들은 유체 역학을 포함한 다른 힘도 모델링하려고 시도할 것입니다. 고해상도 시뮬레이션을 추가하여 모델의 복잡성을 더욱 개선할 수 있습니다.

읽기:우주는 예상보다 9% 빠르게 팽창하고 있습니다 | 새로운 측정

또한 D3M의 작동 메커니즘을 분석하여 D3M이 그렇게 잘 외삽하는 이유를 확인할 것입니다. 이것은 기계 학습 방법의 발전에 정말 도움이 될 수 있습니다.

산업기술