深度学习加速天体计算与研究工作 帮助揭示宇宙起源
深度学习加速天体计算与研究工作帮助揭示宇宙起源当你听到深度学习时,你可能会想到本周涌现出的最新应用程序,它们能巧妙地处理图像或生成类似人类的文本。深度学习可能负责这些事情的一些幕后工作,但它也被广泛应用于不同的研究领域。最近,在一场名为黑客马拉松的科技活动中,一个团队将深度学习应用于天气预报。事实证明它相当有效,这也引起了东京大学天文系博士生平岛圭也的思考。上图显示的是正在模拟的星系的广阔区域。时间分辨率非常低,模拟的每"一步"大约为10万年。下图显示的是受超新星爆炸影响的特定区域,时间分辨率较高,每一步的时间都在1万年以下。这些区域与更一般的模拟相结合,提高了模拟的整体准确性和效率。资料来源:2023Hirashimaetal.,NASA/JPL-Caltech/ESO/R.Hunt/Hubble/L.CalçadaCC-BY-ND平岛说:"天气是一种非常复杂的现象,但最终归结为流体动力学计算。因此,我在想,我们是否可以修改用于天气预报的深度学习模型,并将其应用于另一种流体系统,但这种流体系统的规模要大得多,而且我们无法直接接触到:我的研究领域--超新星爆炸。"当质量合适的恒星燃尽大部分燃料并在巨大的爆炸中坍缩时,就会发生超新星。超新星的体积如此巨大,以至于它们能够而且确实会影响其所在星系的大片区域。如果几百年前在距离地球几百光年的范围内发生了超新星,你现在可能就不会读到这篇文章了。因此,我们对超新星了解得越多,就能更好地理解为什么星系会变成现在这个样子。在超新星模拟过程中,(左)显示的是当前模拟方法的预测结果。(右图)显示的是3D-MIM的预测结果,它看起来与当前的主要方法非常接近,但执行时间却要短得多,从而节省了时间、能源和计算时间成本。图片来源:2023Hirashimaetal."问题在于计算超新星爆炸方式所需的时间。目前,许多长时间跨度的星系模型都将超新星的爆炸方式简化为完美的球形,因为这相对容易计算,"平岛说。"然而,在现实中,它们是很不对称的。构成爆炸边界的物质外壳的某些区域比其他区域更加复杂。我们应用深度学习来帮助确定在模拟过程中,爆炸的哪些部分需要更多或更少的关注,以确保最佳的准确性,同时在整体上花费最少的时间。这种划分问题的方法称为哈密顿分裂。我们的新模型--3D-MIM,可以将计算10万年超新星演化的计算步骤减少99%。所以,我认为我们也确实有助于减少瓶颈。"当然,深度学习需要深度训练。平岛和他的团队必须运行数百次模拟,耗费数百万小时的计算机时间(超级计算机是高度并行的,因此这个时间长度将被分配给所需的数千个计算元素)。但他们的结果证明这是值得的。现在,他们希望将自己的方法应用到天体物理学的其他领域;例如,星系演化也会受到大型恒星形成区的影响。3D-MIM模拟了恒星的死亡过程,也许很快也能用来模拟恒星的诞生过程。它甚至可以在天体物理学以外的其他需要高空间和时间分辨率的领域找到用武之地,例如气候和地震模拟。参考文献KeiyaHirashima、KanaMoriwaki、MichikoSFujii、YutakaHirai、TakayukiRSaitoh和JunichiroMakino的"利用深度学习对高分辨率星系模拟进行超新星外壳膨胀的三维时空预测",2023年9月18日,《皇家天文学会月刊》(MonthlyNoticesoftheRoyalAstronomicalSociety)。DOI:10.1093/mnras/stad2864编译来源:ScitechDaily...PC版:https://www.cnbeta.com.tw/articles/soft/1404147.htm手机版:https://m.cnbeta.com.tw/view/1404147.htm
在Telegram中查看相关推荐
🔍 发送关键词来寻找群组、频道或视频。
启动SOSO机器人