世界

宇宙をより速く、同じ精度でマッピングします

Desiが観察した2つの「ファン」が、天の川の平面の上下に観察しました（このマップを参照）。 DESIは、NSFノアラブのプログラムであるキットピーク国立観測所（KPNO）の米国国立科学財団ニコラスU.メイオール4メートルの望遠鏡に搭載されています。 Desiは、これまで私たちの宇宙の最大の3Dマップを作成し、それを使用してダークエネルギーを研究しています。地球は2人のファンの中心にあり、青いポイントはより遠いオブジェクトを示しています。これは、Desi Year-3データマップのアニメーション化された回転からのものです。クレジット：Desi Collaboration/DOE/KPNO/NOIRLAB/NSF/AURA/R。プロクター 銀河が大きいと思うなら、それを宇宙のサイズと比較してください。それは、他の膨大な数のドットとともに、スーパークラスターに集約するクラスターを形成し、それがボイドでねじ込まれたフィラメントに織り込まれます。 それがあなたにめまいを与え、あなたが非常に広大な何かをどのように理解したり、「見る」ことができるか疑問に思っているなら、答えは簡単ではありません。科学者は、宇宙の物理学を天文学機器からのデータと組み合わせ、EFTOFLSS（大規模構造の効果的なフィールド理論）などの理論モデルを構築します。これらのモデルは、観察に伴い、統計的に「宇宙Web」を説明し、その重要なパラメーターを推定できるようにします。 ただし、EFTOFLSSのようなモデルには、多くの時間とコンピューティングリソースが必要です。私たちが自由に使える天文学的なデータセットは指数関数的に増加しているため、精度を失うことなく分析を明るくする方法が必要です。これがエミュレーターが存在する理由です。モデルがどのように反応するかを「模倣」しますが、はるかに速く動作します。 これは一種の「ショートカット」であるため、精度を失うリスクは何ですか？ とりわけ、INAF（イタリア）、パルマ大学（イタリア）とウォータールー大学（カナダ）を含む国際チームが出版されました。 Journal of Cosmology and Astroparticle Physics エミュレータの努力をテストする研究。彼らが設計したJl。この研究のタイトルは、「努力.jl：宇宙の大規模な構造の効果的なフィールド理論のための高速で微分可能なエミュレータです。」 JLは、スーパーコンピューターの代わりに標準のラップトップで数分で実行されている間に、それが模倣するモデルと同じ正確さを本質的に提供することを示しています。 「顕微鏡成分、個々の原子、またはさらに小さい水位で水のガラスの内容を研究したいと想像してみてください。理論的には、あなたはそうすることができます。しかし、水が動いたときに何が起こるかを詳細に説明したい場合、必要な計算の爆発的な成長が事実上不可能になります」 「ただし、特定の特性を顕微鏡レベルでエンコードして、巨視的レベルでの効果、つまりガラス内の流体の動きを確認できます。これは、効果的なフィールド理論が行うことです。つまり、私の例の水が非常に大きな尺度での宇宙と微小鏡検査の成分であるエフトフルスのようなモデルです。」 理論モデルは、収集されたデータを生じさせる構造を統計的に説明します。天文観測は、「予測」を計算するコードに供給されます。しかし、これには時間と実質的な計算が必要です。今日のデータボリュームと、すぐに開始または近日公開されている調査から予想されることを考えると（すでに最初のデータのバッチをリリースしているDesiやEuclidなど）、これを毎回徹底的に行うことは実用的ではありません。 「これが、私たちが今、私たちのようなエミュレーターに目を向ける理由です。 エミュレータは、本質的にモデルが何をするかを模倣します。そのコアは、入力パラメーターをモデルの既に計算された予測に関連付けることを学ぶニューラルネットワークです。 最新の科学、技術、スペースを発見してください 100,000人の加入者 毎日の洞察をPhys.orgに頼っている人。無料のニュースレターにサインアップし、問題が重要なブレークスルー、イノベーション、研究の最新情報を入手してください。毎日または毎週。 ネットワークはモデルの出力でトレーニングされており、トレーニング後、見たことのないパラメーターの組み合わせに一般化できます。エミュレータは物理学自体を「理解」していません。理論モデルの応答を非常によく知っており、新しい入力の出力を予測できます。 努力の独創性は、パラメーターが変更されたときに予測がどのように変化するかについてすでにアルゴリズムの知識に構築することにより、トレーニングフェーズをさらに削減することです。ネットワークを「再学習」する代わりに、これらを最初から使用します。 努力は、パラメーターをわずかに微調整すると、勾配を使用します。 このようなツールには、広範な検証が必要です。エミュレーターが物理学を知らない場合、そのショートカットが正解（つまり、モデルが与えるのと同じもの）が得られることをどのように確信していますか？新しく公開された研究は、これに正確に答えており、JLの正確性（シミュレーションされたデータと実際のデータの両方）がモデルと密接に一致していることを示しています。 「そして、場合によっては、モデルを使用すると分析の一部をトリミングして物事をスピードアップする必要があります。 したがって、努力は、DesiやEuclidなどの実験からの今後のデータリリースを分析するための貴重な同盟国として浮上しています。 詳細： Marco Bonici et al。努力：JL：宇宙の大規模な構造の効果的なフィールド理論のための高速で微分可能なエミュレータ、 Journal…