Искусственный интеллект создаёт первую симуляцию Млечного Пути с 100 миллиардами звёзд

Исследователи объединили глубокое обучение с физикой высокого разрешения, чтобы создать первую модель Млечного Пути, в которой отслеживается более 100 миллиардов звёзд. Их искусственный интеллект изучил поведение газа после взрыва сверхновых, устранив одно из самых больших вычислительных препятствий в моделировании галактик. В результате симуляция выполняется в сотни раз быстрее, чем при использовании существующих методов.

Исследователи под руководством Кейи Хирасимы из Центра междисциплинарных теоретических и математических наук RIKEN (iTHEMS) в Японии совместно с партнёрами из Токийского университета и Барселонского университета в Испании создали первую симуляцию Млечного Пути, способную отслеживать более 100 миллиардов отдельных звёзд на протяжении 10 тысяч лет эволюции. Команда добилась этого, объединив искусственный интеллект (ИИ) с передовыми методами численного моделирования. Их модель включает в 100 раз больше звёзд, чем самые сложные предыдущие симуляции, и была создана более чем в 100 раз быстрее.

Работа, представленная на международной конференции по суперкомпьютерам SC’25, знаменует собой важный шаг вперёд в области астрофизики, высокопроизводительных вычислений и моделирования с использованием искусственного интеллекта. Эту же стратегию можно применить к крупномасштабным исследованиям системы Земля, включая изучение климата и погоды.

Почему так сложно создать образ каждой звезды

На протяжении многих лет астрофизики стремились создать достаточно детализированные модели Млечного Пути, чтобы можно было отслеживать каждую отдельную звезду. Такие модели позволили бы исследователям напрямую сравнивать теории эволюции, структуры и звездообразования в галактиках с данными наблюдений. Однако для точного моделирования галактики необходимо рассчитать гравитацию, поведение жидкости, образование химических элементов и активность сверхновых в огромных временных и пространственных масштабах, что делает эту задачу чрезвычайно сложной.

Ранее учёные не могли смоделировать галактику размером с Млечный Путь, сохранив при этом мельчайшие детали на уровне отдельных звёзд. Современные передовые симуляции могут отображать системы с эквивалентной массой около миллиарда Солнц, что намного меньше массы более чем 100 миллиардов звёзд, составляющих Млечный Путь. В результате самая маленькая «частица» в этих моделях обычно представляет собой группу примерно из 100 звёзд, что усредняет поведение отдельных звёзд и ограничивает точность моделирования мелкомасштабных процессов. Сложность связана с интервалом между этапами вычислений: чтобы зафиксировать такие быстрые процессы, как эволюция сверхновой, моделирование должно выполняться с очень малыми временными интервалами.

Уменьшение временного шага требует значительно больших вычислительных ресурсов. Даже при использовании лучших на сегодняшний день физических моделей для моделирования Млечного Пути звезда за звездой потребуется около 315 часов на каждый 1 миллион лет эволюции галактики. При таких темпах моделирование 1 миллиарда лет активности займёт более 36 лет в реальном времени. Простое добавление новых ядер суперкомпьютера не является практичным решением, поскольку энергопотребление становится чрезмерным, а эффективность снижается по мере добавления новых ядер.

Новый подход к Глубокому Обучению

Чтобы преодолеть эти препятствия, Хирасима и его команда разработали метод, сочетающий суррогатную модель глубокого обучения со стандартным физическим моделированием. Суррогатная модель была обучена на основе моделирования сверхновых с высоким разрешением и научилась прогнозировать распределение газа в течение 100 000 лет после взрыва сверхновой, не требуя дополнительных ресурсов от основной модели. Этот компонент на основе ИИ позволил исследователям оценить общее поведение галактики, моделируя при этом мелкомасштабные события, в том числе мельчайшие детали отдельных сверхновых. Команда проверила эффективность этого подхода, сравнив его результаты с результатами крупномасштабных вычислений на суперкомпьютере Fugaku в RIKEN и на суперкомпьютерной системе Miyabi в Токийском университете.

Этот метод позволяет получить достоверные данные об отдельных звёздах в галактиках, содержащих более 100 миллиардов звёзд, и делает это с поразительной скоростью. Моделирование 1 миллиона лет заняло всего 2,78 часа, то есть 1 миллиард лет можно было бы смоделировать примерно за 115 дней вместо 36 лет.

Расширение возможностей моделирования климата, погоды и океана

Этот гибридный подход к искусственному интеллекту может изменить многие области вычислительной науки, где требуется связать физику малых масштабов с поведением больших систем. Такие области, как метеорология, океанография и моделирование климата, сталкиваются с аналогичными проблемами и могли бы извлечь пользу из инструментов, ускоряющих сложное многомасштабное моделирование.

«Я считаю, что интеграция искусственного интеллекта с высокопроизводительными вычислениями знаменует собой фундаментальный сдвиг в подходе к решению многомасштабных и мультифизических задач в области вычислительных наук, — говорит Хирасима. — Это достижение также показывает, что моделирование с использованием искусственного интеллекта может выйти за рамки распознавания образов и стать настоящим инструментом для научных открытий, помогая нам проследить, как в нашей галактике появились элементы, сформировавшие саму жизнь».

Ссылка на журнал:

1. Кэйя Хирасима, Митико С. Фудзии, Такаюки Р. Сайто, Наото Харада, Кэнтаро Номура, Кодзи Ёсикава, Ютака Хираи, Тэцуро Асано, Кана Мориваки, Масаки Ивасава, Такаси Окамото, Дзюнъитиро Макино. Первое моделирование взаимодействия нашей галактики с помощью $N$-тел/гидродинамики на основе отдельных звёзд с использованием суррогатной модели. , DOI: 10.1145/3712285.3759866