【原】首次實(shí)現(xiàn)：人工智能快速，準(zhǔn)確的模擬三維宇宙！AI原來(lái)如此強(qiáng)大

博科園 2020-02-14

展開(kāi)全文

科學(xué)家們第一次用人工智能（AI）來(lái)生成復(fù)雜的三維宇宙模擬，結(jié)果是相當(dāng)?shù)臏?zhǔn)確、穩(wěn)定、和快速。該研究的合著者雪莉·何(Shirley Ho)說(shuō)：我們可以在幾毫秒內(nèi)運(yùn)行這些模擬，而其他‘快速’模擬需要幾分鐘，不僅如此，而且更準(zhǔn)確。這項(xiàng)名為“深層密度位移模型”(Deep Density Displacement Model，簡(jiǎn)稱D3M)的工程速度和準(zhǔn)確性，并不是研究人員最驚訝的地方。

真正令人震驚的是，D3M能夠準(zhǔn)確地模擬出如果某些參數(shù)被調(diào)整后宇宙的樣子（比如宇宙中有多少是暗物質(zhì)）即使該模型從未收到任何這些參數(shù)變化的訓(xùn)練數(shù)據(jù)。這就像教圖像識(shí)別軟件，里面有很多貓和狗的圖片，然后它就能識(shí)別大象了，沒(méi)有人知道它是如何做到這一點(diǎn)的，這是一個(gè)有待解決的巨大謎團(tuán)，其研究發(fā)表在《美國(guó)國(guó)家科學(xué)院院刊》上。

Shirley Ho和加州大學(xué)伯克利分校伯克利宇宙物理中心的Yin Li和東京Kavli宇宙物理和數(shù)學(xué)研究所合作伯克利宇宙物理中心的余峰，熨斗研究所的魏晨，溫哥華不列顛哥倫比亞大學(xué)的Siamak Ravanbakhsh和Carnegie Mellon大學(xué)的BarnabásPóczos。

像D3M所做的計(jì)算機(jī)模擬已經(jīng)成為理論天體物理學(xué)的基礎(chǔ)，科學(xué)家們想知道宇宙在不同的情況下可能如何演化，比導(dǎo)致宇宙膨脹的暗能量是否會(huì)隨著時(shí)間而變化。這樣的研究需要運(yùn)行數(shù)千次模擬，使閃電般快速和高度精確的計(jì)算機(jī)模型成為現(xiàn)代天體物理學(xué)的主要目標(biāo)之一，D3M模擬重力如何塑造宇宙，研究人員選擇只關(guān)注引力。

因?yàn)榈侥壳盀橹?，?dāng)涉及到宇宙的大規(guī)模演化時(shí)，引力是最重要的力量。最精確的宇宙模擬計(jì)算了引力如何在整個(gè)宇宙年齡范圍內(nèi)改變數(shù)十億個(gè)單個(gè)粒子。這種精度需要時(shí)間，一次模擬需要大約300個(gè)小時(shí)的計(jì)算時(shí)間。更快的方法可以在大約兩分鐘內(nèi)完成相同模擬，但是所需的快捷方式會(huì)導(dǎo)致較低的精度，研究人員對(duì)D3M的深層神經(jīng)網(wǎng)絡(luò)進(jìn)行了磨練。給D3M提供了8000種不同的模擬，這些模擬來(lái)自于可用的最精確模型之一。

神經(jīng)網(wǎng)絡(luò)獲取訓(xùn)練數(shù)據(jù)并對(duì)其進(jìn)行計(jì)算，然后研究人員將結(jié)果與預(yù)期結(jié)果進(jìn)行比較。隨著進(jìn)一步的訓(xùn)練，神經(jīng)網(wǎng)絡(luò)會(huì)隨著時(shí)間的推移而適應(yīng)，從而產(chǎn)生更快、更準(zhǔn)確的結(jié)果。在訓(xùn)練了D3M之后，研究人員對(duì)一個(gè)直徑6億光年的盒子狀宇宙進(jìn)行了模擬，并將結(jié)果與慢速模型和快速模型進(jìn)行了比較，雖然慢但準(zhǔn)確的方法每次模擬需要數(shù)百小時(shí)的計(jì)算時(shí)間。

而現(xiàn)有的快速方法只需幾分鐘，但D3M可以在30毫秒內(nèi)完成模擬。D3M也得出了準(zhǔn)確的結(jié)果。與高精度模型相比，D3M的相對(duì)誤差為2.8%。使用相同的比較，現(xiàn)有快速模型的相對(duì)誤差為9.3%，D3M處理訓(xùn)練數(shù)據(jù)中沒(méi)有發(fā)現(xiàn)參數(shù)變化的非凡能力使其成為一個(gè)特別有用和靈活的工具。除了對(duì)其他力進(jìn)行建模，比如流體動(dòng)力學(xué)，研究團(tuán)隊(duì)希望更多地了解模型在引擎蓋下是如何工作的。

這樣做可以為人工智能和機(jī)器學(xué)習(xí)的進(jìn)步帶來(lái)好處，對(duì)于機(jī)器學(xué)習(xí)者來(lái)說(shuō)，可以成為一個(gè)有趣的游樂(lè)場(chǎng)，來(lái)看看為什么這個(gè)模型可以推斷得這么好，為什么它可以推斷大象，而不僅僅是識(shí)別貓和狗，這是科學(xué)和深度學(xué)習(xí)之間的雙向道路。