健康

科学者は、ラップトップで宇宙をシミュレートする方法を見つけたばかりです

2つの「ファン」は、私たちの天の川の上下のデジによって観察された2つの主要な領域に従って（このマップを参照）。 Desiは、NSF NoirlabプログラムであるKitt Peak National Observatory（KPNO）の米国国立科学財団ニコラスU.メイオールテレススコープ4メートルに設置されました。 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人のファンの真ん中にあり、青い点はさらなるオブジェクトを示しています。これは、3年目のDESIデータマップのローテーションによるものです。クレジット：DESI/DOE/KPNO/NOIRLAB/NSF/AURA/Rのコラボレーション。プロクター宇宙は銀河、グループ、広範なフィラメントの宇宙ネットワークに確立されていますが、このような複雑さのモデリングには常にスーパーコンピューターと非常に大きな時間が必要です。現在、科学者は努力を紹介しています。宇宙の大きなフレーム単一の銀河は非常に大きく見えるかもしれませんが、正しいポイントにすぎない宇宙全体と比較してください。数え切れないほどの銀河がクラスターとして集まり、それ自体が広範なスーパークラスターに加わりました。これは、空の領域が散在する大きなフィラメントとして集まり、Cosmic Webとして知られる3次元の巨大なフレームワークを形成しました。非常に大きな構造を単純ではなく理解しようとしています。これを理解するために、研究者は宇宙の物理的理論を望遠鏡や他の楽器からの観察と団結させます。その後、理論モデルを構築しました。これは、最も重要なものの1つはEFTOFL（大規模な構造の効果的なフィールドの理論）です。データを入力として使用すると、このモデルは宇宙Webの統計的説明を提供し、その基本的な性質を計算することを可能にします。エミュレーターが宇宙論において重要である理由強力ですが、EFTOFLSなどのモデルには大量の時間と計算リソースが必要です。より速い速度で発達する天文データのコレクションにより、研究者は精度を低下させることなく情報を処理するためのより効率的な方法を必要とします。これがエミュレータが入る場所です。彼らは、はるかに速い速度で作業しながら複雑なモデルを複製します。もちろん、ショートカットは精度について懸念を引き起こします。これを克服するために、INAF（イタリア）、パルマ大学（イタリア）、ウォータールー大学（カナダ）が関与するコラボレーションは、この努力と呼ばれる新しく開発されたエミュレーターをテストしました。 Journal of Cosmology and Astroparticle Physics（JCAP）に掲載された彼らの結果は、その努力を明らかにしました。驚くべきことに、これらのタスクは、スーパーコンピューターに依存するのではなく、典型的なラップトップで数分で実行できます。水分子から銀河まで「顕微鏡的成分、個々の原子、またはさらに小さいレベルで水のガラスの内容を研究したいと想像してください。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、必要な計算からの爆発的な成長が実際に不可能になると、ウォータールー大学の研究者であるマルコ・ボニは説明しました。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、つまりガラス内の液体の動きで効果を確認できます。これは、効果的なフィールド理論が行われることです。つまり、EFTOFLSSなどのモデルであり、私の例の水は非常に大規模な宇宙であり、微視的なコンポーネントは小規模なプロセスです。 「理論モデルは、収集されたデータを上げる構造を統計的に説明します。天文学の観察は、「予測」を計算するコードに供給されます。しかし、これにはかなりの時間とコンピューティングが必要です。今日のデータの量を考えると、および調査から予想されることが始まったか、すぐに来たばかりです（最初のデータ収集をリリースしたDesiやEuclidなど） - これを常に深く行うことは実用的ではありません。努力をする方法。「これが、私たちのようなエミュレーターに目を向ける理由です。これは、時間とリソースを大幅に削減できる」とボニコは続けました。エミュレータは基本的にモデルがしていることを模倣します。ポイントは、入力パラメーターをコンピューティングモデルの予測とリンクすることを学ぶ神経ネットワークです。ネットワークは出力モデルでトレーニングされており、トレーニング後、彼が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。理論モデルの反応を非常によく知っており、新しい入力を生成するものを予測できます。Oricinality original.jl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持っているアルゴリズムの知識を構築することにより、トレーニングフェーズをさらに減らしています。この「再学習」ネットワークを作成する代わりに、最初から使用します。努力も勾配を使用します。つまり、パラメーターを少量で変更すると、「どのくらいの方向と方向」予測が変わります - エミュレーターがはるかに少ないサンプルから学習するのに役立つ他の要素、コンピューティングのニーズを削減し、小さなマシンで実行するのに役立ちます。テストされた精度では、宇宙が承認されました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、ショートカットが正しい答え（つまり、指定されるモデルと同じ）を生成するという自信はどれほど自信がありますか？新しく公開された研究は、モデルによると、努力がシミュレーションと実際のデータの両方での努力の精度を示していることを示しています。「そして、場合によっては、モデルを使用して分析の部分をトリミングしてスピードアップする必要があります。努力。したがって、JLは、DesiやEuclidなどの実験からの将来のデータのリリースを分析する貴重な同盟国として浮上しました。「努力。JL：宇宙の大規模な構造からの効果的なフィールド理論のための高速および異なるエミュレーター」、マルコ・ボニコ、グイド・ダミコ、ジュリエン・ベル、カルメリタ・カーボンの研究は、 Journal of Astropartikel Cosmology and Physics（JCAP）。ブレークスルーを見逃さないでください：ScitechDaily Bulletinに参加してください。 #科学者はラップトップで宇宙をシミュレートする方法を見つけたばかりです