ब्रह्मांड का पहला कृत्रिम बुद्धिमत्ता सिमुलेशन वास्तविक चीज़ की तरह काम करता है - और लगभग उतना ही रहस्यमय है।
शोधकर्ताओं ने नेशनल एकेडमी ऑफ साइंसेज की पत्रिका प्रोसीडिंग्स में 24 जून को नए सिमुलेशन की सूचना दी। लक्ष्य ब्रह्मांड की शुरुआत के लिए विभिन्न परिस्थितियों का अनुकरण करने के लिए ब्रह्मांड का एक आभासी संस्करण तैयार करना था, लेकिन वैज्ञानिक यह समझने के लिए अपने स्वयं के सिमुलेशन का अध्ययन करने की भी उम्मीद करते हैं कि यह इतनी अच्छी तरह से क्यों काम करता है।
न्यूयॉर्क शहर में सेंटर फॉर कम्प्यूटेशनल एस्ट्रोफिजिक्स के सैद्धांतिक खगोल विज्ञानी, सह-लेखक शिर्ले हो, "यह बिल्लियों और कुत्तों की बहुत सारी तस्वीरों के साथ छवि-पहचान सॉफ्टवेयर सिखाने के लिए है, लेकिन फिर यह हाथियों को पहचानने में सक्षम है।" बयान। "कोई नहीं जानता कि यह कैसे होता है, और इसे हल करना एक महान रहस्य है।"
ब्रह्मांड का अनुकरण
ब्रह्मांड की विशाल आयु और पैमाने को देखते हुए, इसके गठन को समझना एक कठिन चुनौती है। एस्ट्रोफिजिसिस्ट टूलबॉक्स में एक उपकरण कंप्यूटर मॉडलिंग है। हालांकि, पारंपरिक मॉडलों के लिए बहुत अधिक कंप्यूटिंग शक्ति और समय की आवश्यकता होती है, क्योंकि खगोल भौतिकीविदों को हजारों सिमुलेशन चलाने की आवश्यकता हो सकती है, विभिन्न मापदंडों को घुमाते हुए, यह निर्धारित करने के लिए कि सबसे अधिक संभावना वास्तविक दुनिया का परिदृश्य है।
हो और उसके सहयोगियों ने प्रक्रिया को गति देने के लिए एक गहरा तंत्रिका नेटवर्क बनाया। डीप डेंसिटी डिसप्लेसमेंट मॉडल या D ^ 3M को डब किया गया, इस न्यूरल नेटवर्क को डेटा में सामान्य विशेषताओं को पहचानने और उस डेटा में हेरफेर करने के समय के साथ "सीखना" के लिए डिज़ाइन किया गया है। डी ^ 3 एम के मामले में, शोधकर्ताओं ने ब्रह्मांड के एक उच्च सटीकता वाले पारंपरिक कंप्यूटर मॉडल से 8,000 सिमुलेशन इनपुट किए। D ^ 3M के बाद पता चला कि उन सिमुलेशन ने कैसे काम किया, शोधकर्ताओं ने एक नए, घन-आकार के ब्रह्मांड के 600 मिलियन प्रकाश-वर्ष में पहले कभी नहीं देखे गए ब्रांड-नए में डाल दिया। (वास्तविक अवलोकन योग्य ब्रह्मांड लगभग 93 बिलियन प्रकाश वर्ष है।)
तंत्रिका नेटवर्क इस नए ब्रह्मांड में सिमुलेशन चलाने में सक्षम था, जैसा कि 8,000-सिमुलेशन डेटासेट में प्रशिक्षण के लिए इस्तेमाल किया गया था। ब्रह्मांड के निर्माण में गुरुत्वाकर्षण की भूमिका पर केंद्रित सिमुलेशन। आश्चर्य की बात यह है कि, हो ने कहा कि जब शोधकर्ताओं ने ब्रांड-नए मापदंडों को अलग किया, जैसे कि आभासी ब्रह्मांड में डार्क मैटर की मात्रा, डी ^ 3 एम अभी भी सिमुलेशन को संभालने में सक्षम था - बावजूद इसके कि डार्क मैटर को कैसे हैंडल किया जाए, इस बारे में कभी प्रशिक्षित नहीं किया गया। विविधताओं।
कंप्यूटर और ब्रह्मांड विज्ञान
D ^ 3M की यह विशेषता एक रहस्य है, हो ने कहा, और कम्प्यूटेशनल विज्ञान के साथ-साथ ब्रह्मांड विज्ञान के लिए सिमुलेशन को पेचीदा बनाता है।
"हम एक मशीन सीखने वाले के लिए एक दिलचस्प खेल का मैदान हो सकते हैं, यह देखने के लिए कि यह मॉडल इतनी अच्छी तरह से एक्सट्रपलेशन क्यों करता है, क्यों यह सिर्फ बिल्लियों और कुत्तों को पहचानने के बजाय हाथियों को एक्सट्रपलेशन करता है," उसने कहा। "यह विज्ञान और गहरी शिक्षा के बीच एक दो-तरफ़ा सड़क है।"
सार्वभौमिक मूल में रुचि रखने वाले शोधकर्ताओं के लिए मॉडल एक समय-बचतकर्ता भी हो सकता है। सबसे तेजी से गैर-कृत्रिम बुद्धि सिमुलेशन पद्धति के लिए कई मिनटों की तुलना में नया तंत्रिका नेटवर्क 30 मिलीसेकंड में सिमुलेशन पूरा कर सकता है। मौजूदा सबसे तेज़ मॉडल के लिए 9.3% की तुलना में नेटवर्क में 2.8% की त्रुटि दर भी थी। (इन त्रुटि दरों की तुलना सोने के सटीकता के मानक से की जाती है, एक मॉडल जो प्रत्येक सिमुलेशन के लिए सैकड़ों घंटे लेता है।)
शोधकर्ताओं ने अब नए तंत्रिका नेटवर्क में अन्य मापदंडों को अलग-अलग करने की योजना बनाई है, जिसमें यह जांच की गई है कि हाइड्रोडायनामिक्स, या तरल पदार्थ और गैसों के आंदोलन जैसे कारक ब्रह्मांड के गठन को कैसे आकार दे सकते हैं।
