Naukowcy stworzyli pierwszą w historii symulację Drogi Mlecznej, która modeluje wszystkie 100 mld gwiazd. Dzięki AI symulacja jest 100 razy szybsza niż dotychczas.
Nowatorska, wspomagana AI symulacja Drogi Mlecznej daje naukowcom najdokładniejszy dotąd obraz ewolucji naszej galaktyki.
Model śledzi ponad 100 mld pojedynczych gwiazd na przestrzeni 10 tys. lat ewolucji. Oferuje wyjątkową rozdzielczość, o którą astrofizycy zabiegali od dekad.
Do tej pory nawet najbardziej zaawansowane symulacje łączyły gwiazdy w duże grupy, przez co gubiły fizykę małych skali, która decyduje o tym, jak galaktyki rosną i się zmieniają.
Nowa metoda całkowicie to zmienia. Łącząc uczenie głębokie z klasycznym modelowaniem opartym na fizyce, zespół stworzył symulację w skali całej galaktyki, która działa 100 razy szybciej niż dotychczasowe, a jednocześnie obejmuje 100 razy więcej gwiazd.
Dlaczego symulowanie naszej galaktyki było tak trudne
Aby zrozumieć, jak powstała Droga Mleczna i jak nadal się rozwija, naukowcom potrzebne są modele oddające zarówno rozległą strukturę spiralną galaktyki, jak i zachowanie pojedynczych gwiazd oraz supernowych.
Jednak procesy fizyczne, takie jak grawitacja, dynamika gazu, wzbogacanie chemiczne i wybuchowe końce życia gwiazd, zachodzą w bardzo różnych skalach czasowych.
Żeby uchwycić szybkie zjawiska, np. wybuchy supernowych, symulacja musi postępować w bardzo małych krokach. To ogromnie kosztowne obliczeniowo. Modelowanie miliarda lat historii galaktyki mogłoby zająć dekady.
Skrót dzięki AI
Projekt to współpraca pod kierunkiem badacza Keiyi Hirashimy z RIKEN Center for Interdisciplinary Theoretical and Mathematical Sciences (iTHEMS) w Japonii, z udziałem kolegów z Uniwersytetu Tokijskiego i Uniwersytetu w Barcelonie. Niedawno zaprezentowano go na SC'25 (International Conference for High Performance Computing, Networking, Storage, and Analysis).
Zespół Hirashimy rozwiązał ten problem, wprowadzając zastępczy model oparty na uczeniu głębokim. Sztuczna inteligencja, wytrenowana na wysokorozdzielczych symulacjach zachowania supernowych, nauczyła się przewidywać, jak gaz rozprasza się w 100 tys. lat po wybuchu.
Dzięki temu główna symulacja mogła postępować znacznie szybciej, zachowując szczegóły pojedynczych zdarzeń supernowych. Podejście zweryfikowano, korzystając z danych superkomputera Fugaku w Japonii oraz systemu Miyabi na Uniwersytecie Tokijskim.
W efekcie powstała symulacja Drogi Mlecznej w pełnej skali, z rzeczywistą rozdzielczością na poziomie pojedynczych gwiazd, działająca znacznie wydajniej.
Milion lat ewolucji galaktyki zajmuje teraz tylko 2,78 godz. To oznacza, że miliard lat można zasymulować w około 115 dni, a nie w 36 lat.
„Prawdziwe narzędzie odkryć naukowych”
To osiągnięcie to kamień milowy w astrofizyce, ale jego konsekwencje wykraczają daleko poza nauki o kosmosie.
„Podobne metody można stosować w symulacjach formowania się wielkoskalowej struktury kosmosu, akrecji na czarne dziury, a także w modelach pogody, klimatu i turbulencji” – napisano w artykule.
Hybrydowe podejście łączące AI i fizykę może radykalnie przyspieszyć takie modele, czyniąc je zarazem szybszymi i dokładniejszymi.
„Uważam, że integracja AI z obliczeniami wysokiej wydajności oznacza zasadniczą zmianę w tym, jak mierzymy się z problemami wieloskalowymi i wielofizycznymi w naukach obliczeniowych” – powiedział Hirashima.
„To osiągnięcie pokazuje też, że symulacje przyspieszane przez AI mogą wyjść poza rozpoznawanie wzorców i stać się prawdziwym narzędziem odkryć naukowych. Pomagają śledzić, jak w naszej galaktyce powstawały pierwiastki, z których uformowało się życie” – dodał.
Kolejny krok zespołu to dalsze skalowanie metody i badanie jej zastosowań w modelowaniu systemu Ziemi.