人工智能助力科学家重现银河系：追踪1000亿颗恒星的壮丽模拟

html

人工智能（AI）再次完成了一项被人类认为几乎“不可能”的成就。它创建了一个银河系模拟，展示了超过1000亿颗独立恒星的演变过程。相关研究成果发表在国际高性能计算、网络、存储和分析会议论文集中。全球研究人员对此成功感到震惊，因为他们之前的估计表明，若不投入至少三十年的时间和现有技术，创造这样的模拟是不可能的。他们训练了一个深度学习“替代”AI模型来实现这一成就。这个模拟可以改变人们对其他星系的认知，并提供关于气候和天气的重要见解。

首创模拟

研究人员声称，这是首次银河系模拟追踪约1000亿颗独立恒星长达一万年，依据Phys.org的说法。为了实现这一目标，他们将AI与数值模拟相结合。它不仅以比以往模型快一百倍的速度进行构建，而且与过去的模拟相比，包含的恒星数量也多了一百倍。这个模拟突显了多领域研究的潜力。结合天体物理学、高性能计算和AI的各个方面，创造了一个极具价值的模拟。它的目标不仅是拓展天体物理学的领域，还改善当前监测气候变化和天气模式的模型。

为什么模拟会很困难？

据《科学日报》报道，为了测试当前的星系演化、结构和恒星形成理论，研究人员需要每颗恒星的观测数据。因此，他们一直在尝试创建星系模拟，并在较长时间内对每颗恒星进行跟踪。这个任务并不简单，因为它需要在大尺度的空间和时间中，正确的超新星活动、流体行为、引力和化学元素形成的参数。在进行模拟之前，模型的限制是只能模拟十亿个太阳的质量。因此，详细的银河系模型是不可能实现的，因为它包含大约一千亿颗恒星，其质量远远超过十亿个太阳。

研究人员不得不依赖一个模型，其中最小单位是由一百颗星星组成的群体，而不是单独的一颗星。在这种情况下，群体中星星的行为会被平均化，这对模型的准确性影响很大。这种模型之所以以“小”质量作为基本单位，是因为每个计算步骤需要耗费的时间。减少这个时间投入的唯一办法就是增加计算量。如果研究人员尝试用最佳物理模型逐颗模拟银河系，模拟一百万年的星系演化大约需要315小时。这就意味着，要模拟十亿年的活动大约需要36年。增加超级计算机的核心也没什么用，因为这不仅需要更多的能量，还会降低系统效率。

人工智能的魔力

为了更详细地实现银河系模拟，研究人员使用了一种深度学习代理模型。它提供了高分辨率的超新星模拟数据，基于这些数据，他们训练模型来预测超新星爆炸后100,000年内气体在银河中的扩散情况。这使得研究人员能够详细模拟整个银河系，尽管他们只对小规模事件进行了建模。最终的模拟结果通过在RIKEN的Fugaku超级计算机和东京大学的Miyabi超级计算机系统上运行的模型得到了验证。

研究人员得出结论，星系模拟确实展示了每颗星星的细节，而不是对其特性进行平均处理。在这种情况下，模拟一百万年的时间是2.78小时，这意味着模拟十亿年需要115天。研究人员认为，使用人工智能进行这样的模拟可能会改变计算科学的研究方式，在这里，小规模行为与大规模行为是相关联的。气象学、海洋学和气候建模等领域将从中受益。这些发现还突显了人工智能从单纯识别模式的工具，逐渐发展为可以信赖的突破性科学发现工具的稳步进步。