Le nouveau modèle d'IA simule l'univers avec précision en seulement 30 millisecondes

• Le premier simulateur d'IA de l'Univers est à la fois rapide et précis.
• Le modèle d'IA peut simuler un univers large de 600 millions d'années-lumière en 30 millisecondes avec une erreur relative de 2,8 %.
• Il est assez surprenant que les chercheurs ne sachent pas comment ce simulateur fonctionne sous le capot.

Pour expliquer l'évolution de notre Univers, les scientifiques ont besoin d'un grand nombre de simulations pour extraire les informations des observations du ciel. Le processus consiste à évaluer des milliards de particules avec un modèle physique précis sur un volume énorme sur des milliards d'années.

Les astrophysiciens utilisent généralement une approche appelée simulation à N corps pour prédire la formation de la structure de l'Univers. Cependant, la méthode est coûteuse en temps de calcul.

Aujourd'hui, une équipe de chercheurs aux États-Unis a développé un nouveau modèle - une alternative aux simulations à N corps - pour générer des simulations 3D complexes de l'univers. Il utilise des techniques d'apprentissage en profondeur pour produire des résultats beaucoup plus précis en beaucoup moins de temps.

Modèle de déplacement de densité profonde

Le réseau de neurones nommé Deep Density Displacement Model (D3M) est entraîné sur un seul ensemble de paramètres cosmologiques.

En plus de fournir des résultats rapides et précis, il pourrait simuler avec précision à quoi ressemblerait notre univers si des paramètres spécifiques étaient modifiés (par exemple, la quantité de matière noire dans le cosmos), malgré le fait que le modèle n'a jamais été formé sur des données où ces paramètres variaient.

D3M modélise les effets de la gravité (la force la plus importante) sur notre Univers. Il calcule comment cette force déplace des milliards de particules individuelles sur toute l'évolution de l'Univers.

Référence :PNAS | DOI :10.1073/pnas.1821458116 | Fondation Simons

Les chercheurs ont formé D3M sur environ 8 000 simulations différentes à partir des modèles existants les plus précis. Les réseaux de neurones profonds qui alimentent le D3M ont progressivement appris à produire des résultats plus précis en moins de temps.

Une fois le modèle formé, les astrophysiciens ont simulé un univers de forme carrée de 600 millions d'années-lumière de large. Ils ont ensuite comparé les résultats avec les modèles de pointe existants.

La comparaison de la précision du nouveau modèle (D3M) et des simulations à N corps générées par la théorie des perturbations lagrangiennes de second ordre (2LPT). L'erreur de déplacement moyenne en millions d'années-lumière est représentée par différentes couleurs dans la grille.

Alors que la méthode précise mais lente a pris des centaines d'heures pour simuler l'univers et l'approche rapide a pris quelques minutes, D3M a exécuté la simulation en seulement 30 millisecondes.

Par rapport à l'approche rapide existante qui avait une erreur relative de 9,3 %, D3M a donné des résultats plus précis avec une erreur relative de 2,8 %.

Ce qui rend vraiment ce modèle spécial, c'est sa capacité exceptionnelle à gérer les variations de paramètres cosmologiques qui n'étaient pas incluses dans les ensembles de données d'entraînement.

Dans la prochaine étude, les chercheurs tenteront également de modéliser d'autres forces, notamment l'hydrodynamique. La complexité du modèle peut être encore améliorée en ajoutant des simulations à plus haute résolution.

Lire :L'univers s'étend 9% plus vite que prévu | Nouvelles mesures

De plus, ils analyseront le mécanisme de fonctionnement du D3M pour voir pourquoi il extrapole si bien. Cela pourrait être vraiment bénéfique pour l'avancement des méthodes d'apprentissage automatique.