日本和西班牙的研究人員首次模擬了銀河系。它可以在 10,000 年內追踪超過 1000 億顆恆星。它將深度學習與高分辨率物理相結合。
研究人員由平島起亞領導。該研究是在日本理化學研究所跨學科理論與數學科學中心（iTHEMS）進行的。據 ANI 稱，他們與東京大學和西班牙巴塞羅那大學的合作夥伴合作。
長期以來，科學家們一直在努力對像銀河系這樣大的星系進行足夠詳細的建模，以跟踪單個恆星。目前的模擬可以處理相當於大約十億個太陽的系統。不過，比銀河系一千億多顆恆星要少得多。
新的人工智能了解了氣體的行為方式。該模型現在比舊方法快數百倍。該模擬使用的恆星比之前的工作多了 100 倍。
這一成果在 SC ’25 超級計算會議上公佈，代表著天體物理學、高性能計算和人工智能建模領域向前邁出了重要一步。同樣的方法也有助於對地球系統的大規模研究，包括氣候和天氣研究。
這些模型中的每個小“粒子”通常代表大約 100 顆恆星。它隱藏了個人行為並損害了準確性。問題源於捕獲快速事件（例如超新星）所需的小時間步長。
小步驟需要巨大的計算能力。對銀河系進行完整的逐星模擬可能需要數十年的時間。添加更多超級計算機核心既不高效也不實用。
研究人員如何應對銀河模型的局限性
Hirashima 和他的團隊通過將深度學習與經典物理學相結合，解決了星系建模的局限性。他們的方法使用經過訓練的替代模型，該模型從詳細的超新星模擬中了解氣體的行為。
這種替代方案預測了每次爆炸後氣體將如何擴散近一千年而不減慢主流。混合方法使星系的總體結構保持準確。它仍然會拾取小事件，例如單個超新星的細節。
該團隊在 Fugaku 和 Miyabi 系統上進行大規模運行測試時發現結果非常一致。類似的方法可以改變天氣、海洋和氣候研究。
ANI 援引 Hirashima 的話說：“我相信，將人工智能與高性能計算相結合代表著通過計算科學解決多尺度、多物理問題的根本轉變。”
平島補充道：“這一成就還表明，人工智能加速的模擬可以超越模式識別，成為科學發現的真正工具——幫助我們追踪塑造生命本身的元素是如何在我們的銀河系中出現的。”
