عند الشراء من خلال روابط على مقالاتنا ، قد يكسب المستقبل وشركاء المشاركة في العمولة.
اثنين من “المشجعين” يمثلان ملاحظات DESI فوق وتحت طائرة درب التبانة. | الائتمان: تعاون DESI/DOE/KPNO/NORILAB/NSF/AURA/R. Proctor/ Robert Lea (تم إنشاؤه مع Canva)
كما قد تتخيل ، فإن تعيين الكون على أكبر المقاييس وخيوط تتبع الشبكة الكونية ليس بالأمر الفذ.
للقيام بذلك ، ستحتاج إلى أخذ أدلة رصد ودمجها مع النماذج النظرية مثل نظرية المجال الفعالة للهيكل الواسع النطاق (EFTOFLSS). عندها فقط ستكون على الطريق إلى تطوير خريطة إحصائية للهيكل العظمي ثلاثي الأبعاد للكون. هذه مهمة تتجاوز العقول البشرية وحدها ، والتي تتطلب قدراً هائلاً من وقت الحوسبة – وهذا وقت ثمين للغاية ، خاصة وأن فهارس البيانات الفلكية تستمر في النمو بشكل كبير.
لذا ، كيف يمكننا تقليل الوقت الذي تستغرقه مثل هذه التحليلات دون التضحية بالدقة؟ يعتقد فريق دولي من الباحثين أنه قد توصل إلى حل لهذه المشكلة: محاكي يطلق عليه اسم “الجهد. jl”. الجهد. يجب أن يقدم الفريق ، نفس الدقة من EFTOFLSS أثناء تشغيل جهاز كمبيوتر محمول بدلاً من الحاسوب الخارق ويستغرق دقائق فقط.
“تخيل الرغبة في دراسة محتويات كوب من الماء على مستوى مكوناته المجهرية ، أو الذرات الفردية ، أو حتى أصغر: من الناحية النظرية ، يمكنك ذلك. ولكن إذا أردنا أن نصف بالتفصيل ما يحدث عندما يتحرك المياه ، والنمو المتفجر للحسابات المطلوبة يجعل من المستحيل عملياً” ، قال ماركو Bonici ، ودراسة زعيم فريق الدراسة في جامعة ووترلو. “ومع ذلك ، يمكنك تشفير خصائص معينة على المستوى المجهري ورؤية تأثيرها على المستوى العياني ، وهي حركة السائل في الزجاج.
“هذا ما تفعله نظرية المجال الفعالة ، أي نموذج مثل Eftoflss ، حيث يكون الماء في مثالي هو الكون على المقاييس الكبيرة جدًا والمكونات المجهرية هي عمليات مادية صغيرة الحجم.”
وجهة نظر Euclid للكون سوف يفسد كمية هائلة من البيانات لعلماء الفلك للتعامل معها. المحاكيات يمكن أن تساعد | الائتمان: ESA
تأخذ النماذج النظرية مثل eftoflss بيانات فلكية وتقوم بتنبؤات تشرح نقاط البيانات هذه. ومع ذلك ، تكمن المشكلة في أن مثل هذه الدراسات الاستقصائية التي تجريها الأداة الطيفية للطاقة المظلمة (DESI) ، التي قدمت نتائجها الأولى في أبريل 2024 ، وتتألف Euclid وكالة الفضاء الأوروبية (ESA) من مجموعات بيانات كبيرة بشكل لا يصدق. هذا الحجم من البيانات غير عملي لتناسب النماذج النظرية لتقديم تنبؤات دقيقة ودقيقة.
وقال بونيكي: “هذا هو السبب في أننا ننتقل الآن إلى المحاكسين مثلنا ، والتي يمكن أن تقطع الوقت والموارد بشكل كبير”.
تم بناء المحاكيات مثل الجهد. jl على الشبكات العصبية المدربة على استخدام النماذج النظرية ، ومعلمات التعلم ، والتنبؤات التي تم إجراؤها بالفعل ، مما يعني أنها يمكن أن تحاكي وظيفة هذه النماذج. هذا يعني أنه في حين أن المحاكسين لا يمكنهم فهم الفيزياء التي يتعاملون معها ، يمكنهم أخذ مدخلات جديدة وإخراج تنبؤ يتوافق مع ما يتنبأ به النموذج التقليدي نفسه.
الجهد. jl ، في الواقع ، يأخذ هذا مزيد من من خلال دمج معرفة كيفية تغيير التنبؤات إذا تم تغيير معلمات النموذج. يمكن أن يفسر هذا المحاكي أيضًا كيف ستتحول التنبؤات إذا تم تعديل المعلمات فقط بكميات صغيرة. هذا يعني الجهد. يمكن أن تتعلم jl مع إطعام أمثلة أقل من المحاكيات الأخرى. هذا يعني أنه يمكن أن يعمل مع قوة الحوسبة أقل.
القصص ذات الصلة:
– قد يفسر نوع جديد من النبضات مدى تطور أنظمة “الأرملة السوداء” الغامضة
– تنفجر “نجوم مصاصي الدماء” بعد تناول الكثير – يمكن أن تساعد الذكاء الاصطناعي في الكشف عن السبب
– يمكن أن يكسر عالم الغزل أسرار الطاقة المظلمة ومكاننا في الكون المتعدد
يتحقق البحث الجديد من Bonici وزملاؤه من دقة الجهد. jl عند معالجة البيانات الفلكية الحقيقية والبيانات المحاكاة ، مع التنبؤات تتوافق بشكل وثيق مع تلك التي تنتجها EFTOFLSS.
وأضاف Bonici: “في بعض الحالات ، حيث يتعين عليك تقليص جزء من التحليل لتسريع الأمور ، مع جهد. JL تمكنا من تضمين تلك القطع المفقودة أيضًا”.
هذا يجعل الجهد. جلك حليفًا واعداً للجهود الكونية من الجيل التالي مثل تلك التي أجراها ديسي والاسترعة في جهدنا المستمر لفهم الهيكل الواسع النطاق لكوننا.
تم نشر أبحاث الفريق يوم الثلاثاء (16 سبتمبر) في مجلة علم الكونيات وفيزياء الجسيمات الفلكية (JCAP).