Alam semesta didirikan menjadi galaksi, kelompok, dan jaringan kosmik filamen yang luas, tetapi pemodelan kompleksitas seperti itu selalu membutuhkan superkomputer dan waktu yang sangat besar.
Sekarang, para ilmuwan telah memperkenalkan upaya. ketepatanKadang -kadang bahkan meningkatkannya, saat berlari dalam hitungan menit di laptop.
Kerangka kerja alam semesta yang hebat
Galaksi tunggal mungkin tampak sangat besar, tetapi dibandingkan dengan seluruh alam semesta yang tidak lebih dari titik yang tepat. Galaksi yang tak terhitung jumlahnya berkumpul sebagai gugus, yang dengan sendirinya bergabung dengan supercluster yang luas. Ini dikumpulkan sebagai filamen besar diselingi dengan area kosong, membentuk kerangka kerja kolosal tiga dimensi yang dikenal sebagai Web Kosmik.
Mencoba memahami struktur yang sangat besar yang jauh dari sederhana. Untuk memahami hal ini, para peneliti menyatukan teori fisik alam semesta dengan pengamatan dari teleskop dan instrumen lainnya. Mereka kemudian membangun model teoritis, salah satu yang paling penting adalah eftofls (teori bidang efektif struktur skala besar). Dengan data sebagai input, model ini memberikan deskripsi statistik tentang web kosmik dan memungkinkan untuk menghitung sifat mendasarnya.
Mengapa Emulator Penting dalam Kosmologi
Meskipun kuat, model seperti EFTOFL membutuhkan banyak waktu dan sumber daya komputasi. Dengan kumpulan data astronomi yang berkembang dengan kecepatan lebih cepat, para peneliti membutuhkan metode yang lebih efisien untuk memproses informasi tanpa mengurangi akurasi. Di sinilah emulator masuk. Mereka mereplikasi model kompleks sambil bekerja dengan kecepatan yang jauh lebih cepat.
Tentu saja, jalan pintas menyebabkan kekhawatiran tentang presisi. Untuk mengatasi ini, kolaborasi yang melibatkan INAF (Italia), Universitas Parma (Italia), dan Universitas Waterloo (Kanada) menguji emulator yang baru dikembangkan yang disebut a usaha.jl. Hasil mereka, yang diterbitkan dalam Journal of Cosmology and Astroparticle Physics (JCAP), mengungkapkan bahwa upaya tersebut. Hebatnya, Anda dapat melakukan tugas -tugas ini dalam beberapa menit pada laptop khas daripada mengandalkan superkomputer.
Dari molekul air hingga galaksi
“Bayangkan ingin mempelajari isi segelas air di tingkat komponen mikroskopis, atom individu, atau bahkan lebih kecil: secara teori Anda bisa. Tetapi jika kita ingin menggambarkan secara rinci apa yang terjadi ketika air bergerak, pertumbuhan eksplosif dari perhitungan yang dibutuhkan secara praktis,” jelas Marco Bonici, seorang peneliti di University of Waterloo dan pertama -peneliti.
Namun, Anda dapat menyandikan sifat -sifat tertentu pada tingkat mikroskopis dan melihat efeknya pada tingkat makroskopik, yaitu pergerakan cairan dalam kaca. Inilah yang dilakukan teori bidang yang efektif, yaitu, model seperti EFTOFLSS, di mana air dalam contoh saya adalah alam semesta dalam skala yang sangat besar dan komponen mikroskopis adalah proses skala kecil. ”
Model teoritis secara statistik menjelaskan struktur yang meningkatkan data yang dikumpulkan: pengamatan astronomi diumpankan ke kode, yang menghitung “prediksi.” Tetapi ini membutuhkan waktu dan komputasi yang substansial. Mengingat volume data saat ini – dan apa yang diharapkan dari survei baru saja dimulai atau akan hadir (seperti Desiyang telah merilis pemilihan data pertamanya, dan Euclid) – tidak praktis untuk melakukan ini secara mendalam setiap saat.
Bagaimana melakukan upaya.
“Inilah sebabnya kami sekarang beralih ke emulator seperti kami, yang secara drastis dapat memotong waktu dan sumber daya,” lanjut Bonici. Emulator pada dasarnya meniru apa yang dilakukan model: Intinya adalah jaringan saraf yang belajar untuk menghubungkan parameter input dengan prediksi model komputasi. Jaringan dilatih dalam model output dan, setelah pelatihan, dapat menggeneralisasi ke kombinasi parameter yang belum pernah ia lihat. Emulator tidak “memahami” fisika itu sendiri: dia tahu respons model teoritis dengan sangat baik dan dapat mengantisipasi apa yang akan menghasilkan input baru.
Oricinality Original.jl lebih lanjut mengurangi fase pelatihan dengan membangun ke dalam pengetahuan tentang algoritma yang sudah kita miliki tentang bagaimana prediksi berubah ketika parameter berubah: alih-alih membuat jaringan “belajar ulang” ini, ia menggunakannya dari awal. Usaha.jl Juga menggunakan gradien – yaitu, “berapa banyak dan ke arah mana” prediksi berubah jika Anda mengubah parameter dengan jumlah kecil – elemen lain yang membantu emulator belajar dari sampel yang jauh lebih sedikit, memotong kebutuhan komputasi dan membiarkannya berjalan pada mesin yang lebih kecil.
Akurasi diuji, alam semesta disetujui
Alat seperti ini membutuhkan validasi yang luas: jika emulator tidak tahu fisika, seberapa yakin kita bahwa jalan pintas menghasilkan jawaban yang benar (yaitu, sama seperti model yang akan diberikan)? Studi yang baru diterbitkan menjawab dengan tepat, menunjukkan bahwa upaya.jl's Accuracy – baik dalam simulasi dan data nyata – menurut model.
“Dan dalam beberapa kasus, di mana dengan model Anda harus memangkas bagian analisis untuk mempercepat, dengan usaha.jl kita dapat memasukkan potongan yang hilang juga,” Bonici menyimpulkan. Upaya. JL dengan demikian muncul sebagai sekutu yang berharga untuk menganalisis pelepasan data di masa depan dari eksperimen seperti Desi dan Euclid, yang berjanji untuk memperdalam pengetahuan kita tentang alam semesta dalam skala besar.
Studi tentang “usaha.jl: Emulator cepat dan berbeda untuk teori lapangan yang efektif dari struktur skala besar alam semesta” oleh Marco Bonici, Guido d'Amico, Julien Bel dan Carmelita Carbone tersedia di Jurnal Kosmologi dan Fisika Astropartikel (JCAP).
Jangan pernah melewatkan terobosan: Bergabunglah dengan Buletin ScitechDaily.
NewsRoom.id
