Model AI Revolusioner Mensimulasikan Semesta dalam 30 ms dengan Akurasi 2,8%

• Simulator Semesta pertama berbasis AI adalah cepat dan akurat.
• Model AI dapat mensimulasikan Semesta 600 juta tahun cahaya lebar dalam 30 milidetik dengan kesalahan relatif 2,8%.
• Cukup mengejutkan bahwa peneliti tidak tahu bagaimana simulator ini bekerja di dalamnya.

Untuk menjelaskan evolusi Semesta kita, ilmuwan membutuhkan sejumlah besar simulasi untuk mengekstrak informasi dari observasi langit. Proses ini melibatkan evaluasi miliaran partikel dengan model fisika yang akurat dalam volume besar selama miliaran tahun.

Astrofisikawan biasanya menggunakan pendekatan yang disebut simulasi N-body untuk memprediksi pembentukan struktur Semesta. Namun, metode ini komputasional mahal.

Sekarang, tim peneliti di Amerika Serikat telah mengembangkan model baru — alternatif untuk simulasi N-body — untuk menghasilkan simulasi 3D kompleks semesta. Ini menggunakan teknik deep learning untuk menghasilkan hasil yang jauh lebih akurat dalam waktu yang jauh lebih singkat.

Model Deep Density Displacement

Jaringan saraf bernama Deep Density Displacement Model (D3M) dilatih pada satu set parameter kosmologis.

Selain memberikan hasil yang cepat dan akurat, ini dapat mensimulasikan dengan tepat bagaimana Semesta kita akan terlihat jika parameter tertentu diubah (misalnya jumlah materi gelap di kosmos), meskipun model ini belum pernah dilatih pada data di mana parameter tersebut bervariasi.

D3M memodelkan efek gravitasi (gaya terpenting) pada Semesta kita. Ini menghitung bagaimana gaya ini menggeser miliaran partikel individu seiring evolusi Seluruh Semesta.

Referensi: PNAS | DOI:10.1073/pnas.1821458116 | Simons Foundation

Peneliti melatih D3M pada sekitar 8.000 simulasi berbeda dari model yang paling tepat yang ada. Jaringan saraf dalam yang mendorong D3M secara bertahap belajar untuk menghasilkan hasil yang lebih akurat dalam waktu lebih singkat.

Setelah model dilatih, astrofisikawan menjalankan simulasi semesta berbentuk persegi 600 juta tahun cahaya lebar. Mereka kemudian membandingkan hasilnya dengan model terdepan yang ada.

Perbandingan akurasi model baru (D3M) dan simulasi N-body yang dihasilkan oleh teori peubah Lagrange orde kedua (2LPT). Kesalahan perpindahan rata-rata dalam jutaan tahun cahaya direpresentasikan oleh warna yang berbeda dalam grid.

Sedangkan metode yang akurat namun lambat membutuhkan ratusan jam untuk mensimulasikan semesta dan pendekatan cepat membutuhkan beberapa menit, D3M menjalankan simulasi hanya dalam 30 milidetik.

Dibandingkan pendekatan cepat yang ada yang memiliki kesalahan relatif 9,3%, D3M menghasilkan hasil yang lebih akurat dengan kesalahan relatif 2,8%.

Apa yang benar-benar membuat model ini spesial adalah kemampuan luar biasa untuk menangani variasi parameter kosmologis yang tidak termasuk dalam kumpulan data pelatihan.

Dalam studi selanjutnya, peneliti akan mencoba memodelkan gaya lain juga, termasuk hidrodinamika. Kompleksitas model dapat ditingkatkan lebih lanjut dengan menambahkan simulasi resolusi lebih tinggi.

Baca: Semesta Meluas 9% Lebih Cepat dari yang Diharapkan | Pengukuran Baru

Selain itu, mereka akan menganalisis mekanisme kerja D3M untuk melihat mengapa ia ekstrapolasi dengan sangat baik. Ini bisa sangat bermanfaat untuk kemajuan metode machine learning.