Znanstvenici su prvi put uspjeli izraditi numeričku simulaciju Mliječne staze koja prikazuje više od 100 milijardi pojedinačnih zvijezda tijekom razdoblja od deset tisuća godina. Rezultat je postignut kombinacijom računalnih simulacija i metoda umjetne inteligencije. Nova tehnologija omogućila je prikaz sto puta većeg broja zvijezda nego dosadašnji najbolji modeli, a pritom je cijeli postupak bio više od sto puta brži.
Znanstvena studija koja opisuje ovaj pristup pokazuje koliko snažan može biti spoj astrofizike, naprednog računalstva i umjetne inteligencije. Autori navode da bi se ista metoda mogla koristiti i u drugim područjima gdje je potrebno povezati procese na vrlo različitim skalama, primjerice u simulacijama atmosfere, oceana ili dugoročnih klimatskih promjena.
Zašto je stvaranje preciznog modela galaksije toliko zahtjevno
Astrofizičari godinama pokušavaju izgraditi vjerodostojan model Mliječne staze koji bi pratio razvoj galaksije do razine pojedinačnih zvijezda. Takvi modeli predstavljaju temelj za testiranje teorija o nastanku galaksija, njihovoj unutarnjoj strukturi i evoluciji zvijezda. No razvoj galaksije uključuje gravitaciju, dinamiku plina, eksplozije supernova i sintezu elemenata, a svaki od tih procesa odvija se na različitim vremenskim i prostornim skalama.
Do sada nitko nije uspio modelirati veliku galaksiju i pritom zadržati razinu detalja potrebnu za praćenje sudbine pojedine zvijezde. Najnaprednije simulacije dosezale su gornju granicu od oko milijardu masa Sunca, dok Mliječna staza ima više od 100 milijardi zvijezda. To znači da se u prijašnjim modelima svaka numerička čestica zapravo ponašala kao skupina od stotinjak zvijezda, pa su se procesi na razini pojedinačnih objekata gubili u prosjeku.
Ključni problem leži u vremenskom koraku simulacije. Brze promjene poput širenja materijala nakon supernova mogu se uočiti samo ako je vremenski razmak između koraka dovoljno kratak.
Računalna ograničenja i nova ideja iz Japana
Manji vremenski koraci zahtijevaju znatno više računalne snage. Prema postojećim mogućnostima, najnaprednija klasična simulacija trebala bi oko 315 sati rada za svaki milijun godina evolucije galaksije. U takvom sustavu milijardu godina razvoja Mliječne staze trebalo bi više od 36 godina stvarnog vremena. Dodavanje novih superračunalnih jezgri ne rješava problem, jer s rastom broja jezgri pada ukupna učinkovitost i naglo raste potrošnja energije.
Zbog toga su Keiya Hirashima iz RIKEN centra iTHEMS u Japanu, zajedno s kolegama sa Sveučilišta u Tokiju i Sveučilišta u Barceloni, razvili drukčiji pristup. Umjesto da svaki proces iz fizikalnog modela troši računalne resurse, uveli su duboku neuronsku mrežu koja preuzima dio posla vezan uz supernove. Mreža je učena na visokodetaljnim simulacijama eksplozija i zatim je mogla samostalno predvidjeti kako se okolni plin širi tijekom sto tisuća godina nakon supernove, a da pritom ne uspori ostatak simulacije.
Taj postupak omogućio je da se u istoj simulaciji istovremeno prate procesi u galaksiji i fine strukture povezane sa supernovama. Da bi provjerili uspješnost pristupa, istraživači su rezultate usporedili s testovima na superračunalu Fugaku i na sustavu Miyabi Sveučilišta u Tokiju.
Nova metoda omogućuje razlučivost na razini pojedinačne zvijezde u galaksijama s više od 100 milijardi zvijezda. Simulacija od milijun godina galaktičke evolucije sada traje samo 2,78 sati, što znači da se željeni ciklus od milijarde godina može izvesti u otprilike 115 dana, a ne u 36 godina.
Ovakav pristup mogao bi promijeniti način na koji se modeliraju i drugi sustavi koji obuhvaćaju širok raspon vremenskih i prostorno različitih procesa, primjerice atmosferska dinamika, oceanske struje ili klimatske promjene.
Keiya Hirashima smatra da upravo svjedočimo promjeni u načinu na koji se rješavaju najteži računalni problemi. Spajanje umjetne inteligencije i visokoučinkovitog računalstva, kaže, otvara prostor za modele koji mogu precizno povezati procese na vrlo različitim skalama. Prema njegovu tumačenju, simulacije ubrzane umjetnom inteligencijom prestaju biti alat koji samo prepoznaje obrasce. Postaju sredstvo za razumijevanje stvarnih fizikalnih pojava, među njima i nastanka elemenata koji su na kraju omogućili pojavu života u našoj galaksiji.
