Mesterséges intelligencia készített 3D szimulációt az univerzumról, ami annyira élethű lett, hogy a kutatók nagyjából ugyanúgy nem értik, mint az eredetit. A cél az volt, hogy létrehozzák a kozmosz virtuális változatát, hogy azon szimulálhassák a világegyetem kezdetére vonatkozó különböző elméleteket, és mellesleg azt is, hogy miért működik ennyire jól a saját szimulációjuk.
Olyan, mintha egy képfelismerő algoritmust arra tanítanánk, hogy meg tudja különböztetni a macskákat és a kutyákat, majd egy ponton már elkezdené felismerni az elefántokat is. Senki sem tudja, hogyan csinálja, de meg kell oldani ezt a rejtélyt
– egyszerűsítette le Shirley Ho elméleti asztrofizikus, a tanulmány társszerzője, hogy miért is ennyire különleges a szimulációjuk.
Tekintettel arra, hogy az univerzum óriási és nagyon régi, a megértése is óriási kihívás. Ennek egyik eszköze a számítógépes modellezés. A hagyományos modellek azonban rendkívüli számítási teljesítményt és rengeteg időt igényelnek, mert a kutatóknak több ezer szimulációt kell lefuttatni úgy, hogy közben a paramétereken folyamatosan finomítanak, mert ezzel tudják meghatározni, hogy melyik a legvalószínűbb valós forgatókönyv.
Ho és kollégái egy olyan mélytanulással támogatott mesterséges neuárlis hálózatot hoztak létre, amivel ezek a folyamatok felgyorsíthatóak. A D ^ 3M (Deep Density Displacement Model) felismeri az adatok közös jellemzőit, és idővel megtanulja, hogyan kezelje azokat. A kutatók összesen 8000 nagy pontosságú adatot vittek be a világegyetem különböző modelljeiről. Miután a D ^ 3M megtanulta, hogy ezek hogyan működnek, egy teljesen új, eddig még nem látott szimulációt készítettek egy 600 millió fényévnyire található kocka alakú univerzumról.
A neurális hálózat képes volt ugyanúgy lefuttatni a szimulációkat ebben az új virtuális univerzumban, mint ahogy azt a 8000-es szimulációs adatállományban használták. Ezek a szimulációk egyébként a gravitációnak az univerzum képződésében betöltött szerepére összpontosítottak.
Ho elmondta, hogy hogy amikor a kutatók vadonatúj paramétereket adtak meg és változtattak, mint például a virtuális univerzumban lévő sötét anyag mennyisége, a D ^ 3M még mindig képes volt kezelni a szimulációkat – annak ellenére, hogy soha nem képezték, hogyan kell kezelni a sötét anyag mennyiségének változását. Ez az igazi rejtély a kutatóknak, és most azt kell megérteniük, hogyan lehetséges, hogy a mélytanulás és az összefüggések elemzésével ilyen összefüggésekre is rájöhetett a rendszer.
A kutatók most azt tervezik, hogy további paramétereket változtatnak az új neurális hálózaton, megvizsgálva, hogy a hidrodinamika, illetve a folyadékok és gázok mozgása hogyan alakíthatta az univerzum képződését.