科学家们已经适应了利用超级计算机处理宇宙学相关的庞大数据集。最近，卡耐基梅隆大学的研究团队提出了一种创新的方法，能够在图形处理单元（GPU）上运用常规的机器学习技术，实现高级的模拟能力。
这个名为“无人在此”的研究项目尝试利用常见的硬件和神经网络技术，以高分辨率形式模拟我们所处的真实宇宙。这项具有前瞻性的研究，可能会彻底改变我们对宇宙的认知以及物理法则的理解。
根据研究团队的介绍，传统的方法在单一处理核心上运行宇宙学模拟大约需要23天，因此科学家们通常依赖超级计算机来完成这类仿真。造成这一困难的原因在于，物理学中仍然存在许多未解的根本性问题。我们尚未找到能够解释整个宇宙的统一法则，也不清楚如何将经典物理与量子现象相结合。
因此，探索是必不可少的。在预测宇宙中暗物质数量等复杂问题时，科学家需要尝试不同的预设值。通过不断的反复试验，才能接近真实的结果。科学家们通过模拟，并将结果与太空望远镜及其他观测数据进行比对，然后再次模拟和核对，如此反复进行。
虽然超级计算机的成功率极高，但租用一个小时的费用常常高达数千美元。与单个GPU的低功耗相比，超级计算机就如同一团熊熊燃烧的火焰。
因此，对于需要多次试验的问题，超级计算机显然并不是最佳选择。
研究人员总结道，目前可以对宇宙中的小块图像进行高分辨率模拟，而在更大的模拟区域内则采用低分辨率图像处理。对于大型区域的高分辨率图像处理，必须格外谨慎，因为这会消耗大量的时间、精力和能源。
这种现状在模拟整个宇宙时形成了一道不可逾越的鸿沟，而AI则是连接两岸的桥梁。
卡耐基梅隆大学的团队选择了一种方案，直接使用高分辨率图像进行模拟，而不是教导AI以程序化的方式模拟整个宇宙。
这一方法显著提升了模拟效率。具体提升幅度有多大呢？卡耐基梅隆大学的Jocelyn DuFFy表示，经过训练的代码能够获取完整的低分辨率模型，并执行超高分辨率的模拟，将粒子数量扩展至512倍。对于一个直径约为5亿光年、包含1.34亿个粒子的区域，传统方法需要在单一处理核心上耗费560个小时才能完成高分辨率模拟，而新方法仅需36分钟。如果向模拟流程中添加更多粒子，效果则更为明显。对于包含1340亿个粒子的宇宙，新方法在单个GPU上只需16个小时完成处理，而原有方法则需要配合专用超级计算机，处理时长可达数月。
这并不意味着AI真正理解了我们无法触及的宇宙。相反，它仅仅是将低分辨率模拟图像以可信的方式扩展为高分辨率形式，帮助科学家用更少的时间、精力和能源获得可靠的模拟结果。
从本质上讲，这就像是为AI提供电影的分镜草稿，然后由其输出实拍影片的具体样貌。尽管仍不够完善，但在一定的保真水平下，能够节省真实拍摄的麻烦。
实际过程比本文描述的要复杂得多。不过，模拟出的宇宙图像相对容易验证，我们可以直接将结果与观测数据进行比较。唯一的谜团是，我们不知道AI模型是如何完成填充的。
这项最新成果使得宇宙学模拟从超级计算机的专利转变为可以在普通游戏PC上运行的“小case”，研究人员因此能够快速测试自己的创意，推动模拟能力的普及。
从乐观的角度来看，这项研究有望彻底改变我们观察现实宇宙的方式。如果一切顺利，我们或许能更好地解释暗物质、引力效应甚至是宇宙的起源。
[[[IMG_1]]]
[[[IMG_2]]]
[[[IMG_3]]]
