Созданная учеными из Центра вычислительной астрофизики Нью-Йорка модель Deep Density Displacement может точно предсказать, как будет выглядеть космос, если изменить кое-какие параметры — например, концентрацию темной материи. Она тратит на обсчет симуляции несколько миллисекунд, в то время как обычные «быстрые» симуляции требуют нескольких минут. Кроме того, она оказалась поразительно точной, пишет Science Daily.

Такие компьютерные модели, как D3M — важный научный инструмент для астрофизиков-теоретиков. С их помощью ученые понимают, как могла бы развиваться Вселенная при различных обстоятельствах, например, если бы количество темной энергии, заставляющей ее расширяться, менялось бы со временем.

Такие исследования требуют проведения тысяч симуляций, и быстродействующая и точная программа способна сократить срок исследования в разы. И теперь она есть.

D3M моделирует влияние гравитации на Вселенную. Ученые выбрали гравитацию, потому что это наиболее важная сила, когда речь заходит об эволюции космоса в долгосрочной перспективе. Наиболее точные методы расчета влияния силы притяжения на каждую из миллиардов частиц за все время существования Вселенной требуют около 300 вычислительных часов на одну симуляцию. Более быстрые методы могут справиться за две минуты, но точность при этом падает.

В ходе обучения ученые загрузили в нейросеть D3M 8000 различных симуляций от самых высокоточных моделей. Когда учеба завершилась, D3M сама провела симуляцию кубической Вселенной со стороной 600 млн световых лет и сравнила результаты с самыми медленными (сотни часов вычислений) и самыми быстрыми (пара минут) моделями. D3M справилась за 30 мс с относительной погрешностью 2,8%. У самой быстрой модели этот показатель равен 9,3%.

Но не скорость или точность проекта, названного для краткости D3M, поразили ученых больше всего.

Настоящий шок вызвала у них возможность модели предсказать поведение системы при изменившихся параметрах — даже несмотря на то, что она не получала никаких данных, в которых эти параметры были бы иными.

«Этот как учить программу распознавания изображений по картинкам с котами и собаками, и выяснить, что она узнает слонов, — объяснила Ширли Хо, руководитель проекта. — Никто не знает, как у нее это получилось. Эту загадку нам лишь предстоит разгадать».    

Нейросеть PlaNet, разработанная в Google и DeepMind, создает динамические модели мира на основе визуальных данных, что позволяет ей разобраться в таких абстрактных понятиях, как скорость объектов. Некоторые задачи она решает в 50 раз эффективней конкурентов.