ИИ создал первую симуляцию Млечного Пути со 100 миллиардами звезд
Гибридный подход, сочетающий глубокое обучение с физическим моделированием, позволил в 100 раз ускорить создание детальной галактической симуляции
Короткое резюме
Исследователи из RIKEN iTHEMS создали первую симуляцию Млечного Пути, отслеживающую более 100 миллиардов индивидуальных звёзд на протяжении 10 тысяч лет эволюции, используя гибридный подход искусственного интеллекта и передовых численных методов. Модель включает в 100 раз больше звёзд, чем самые сложные предыдущие симуляции, и была сгенерирована более чем в 100 раз быстрее. Ключевым новшеством стало использование суррогатной модели глубокого обучения, обученной на высокоразрешающих симуляциях сверхновых, которая предсказывает распространение газа в течение 100 000 лет после взрыва без дополнительных вычислительных затрат.
Традиционные методы сталкивались с фундаментальными вычислительными ограничениями: моделирование Млечного Пути с разрешением отдельных звёзд требовало бы 36 лет реального времени для 1 миллиарда лет эволюции. Новый подход сократил это время до 115 дней, моделируя 1 миллион лет всего за 2,78 часа. Это стало возможным благодаря тому, что ИИ-компонент фиксирует общее поведение галактики, одновременно моделируя мелкомасштабные события, включая детали индивидуальных сверхновых, что ранее было невозможно из-за необходимости использования очень малых временных шагов.
Методология имеет более широкие последствия для вычислительной науки, особенно в областях, требующих связи мелкомасштабной физики с крупномасштабным поведением, таких как климатическое и погодное моделирование. Подход демонстрирует, что ускоренные с помощью ИИ симуляции могут выйти за пределы распознавания образов и стать подлинным инструментом научного открытия, помогая проследить, как элементы, сформировавшие саму жизнь, возникли в нашей галактике.
Беспрецедентное разрешение
Первая симуляция с отслеживанием 100+ миллиардов индивидуальных звёзд
Экстремальное ускорение
В 100 раз быстрее существующих методов при 100-кратном увеличении детализации
Гибридный ИИ-подход
Суррогатная модель глубокого обучения предсказывает поведение газа после сверхновых
Широкие приложения
Методология применима к климатическому и погодному моделированию
Текст сгенерирован с использованием ИИ

