Por primera vez, astrofísicos han utilizado técnicas de inteligencia artificial para generar simulaciones complejas en 3-D del universo.

Los resultados son tan rápidos, precisos y robustos que incluso los creadores no están seguros de cómo funciona todo.

“Podemos ejecutar estas simulaciones en unos pocos milisegundos, mientras que otras simulaciones ‘rápidas’ tardan un par de minutos”, dice la coautora del estudio Shirley Ho, líder de grupo en el Centro de Astrofísica Computacional del Instituto Flatiron. “No solo eso, sino que somos mucho más precisos”.

La velocidad y la precisión del proyecto, llamado Modelo de Desplazamiento de Densidad Profunda, o D3M para abreviar, no fue la mayor sorpresa para los investigadores. El verdadero impacto fue que D3M podría simular con precisión cómo se vería el universo si se ajustaran ciertos parámetros, como la cantidad de cosmos que es materia oscura, incluso aunque el modelo nunca haya recibido datos de entrenamiento en los que los parámetros varían.

“Es como enseñar un software de reconocimiento de imágenes con muchas fotos de gatos y perros, pero luego es capaz de reconocer elefantes”, explica Ho. “Nadie sabe cómo lo hace, y es un gran misterio por resolver”.

Ho y sus colegas han presentado el D3M en PNAS.

Simulaciones por computadora como las realizadas por D3M se han vuelto esenciales para la astrofísica teórica. Los científicos quieren saber cómo podría evolucionar el cosmos en diversos escenarios, como si la energía oscura que separaba el universo variara con el tiempo. Dichos estudios requieren la ejecución de miles de simulaciones, lo que convierte a los modelos informáticos de alta precisión y altamente veloces como uno de los principales objetivos de la astrofísica moderna.

D3M modela cómo la gravedad da forma al universo. Los investigadores optaron por centrarse solo en la gravedad porque es, con mucho, la fuerza más importante cuando se trata de la evolución a gran escala del cosmos.

Las simulaciones más precisas del universo calculan cómo la gravedad desplaza cada uno de los miles de millones de partículas individuales a lo largo de toda la edad del universo. Ese nivel de precisión requiere tiempo y requiere alrededor de 300 horas de cálculo para una simulación. Los métodos más rápidos pueden terminar las mismas simulaciones en aproximadamente dos minutos, pero los atajos requeridos resultan en una menor precisión.

Ho y sus colegas perfeccionaron la red neuronal profunda que alimenta D3M al proporcionarle 8.000 simulaciones diferentes de uno de los modelos de mayor precisión disponibles. Las redes neuronales toman datos de entrenamiento y ejecutan cálculos sobre la información; luego, los investigadores comparan el resultado resultante con el resultado esperado. Con capacitación adicional, las redes neuronales se adaptan con el tiempo para producir resultados más rápidos y más precisos.

Después de entrenar a D3M, los investigadores realizaron simulaciones de un universo en forma de caja de 600 millones de años luz y compararon los resultados con los de los modelos lentos y rápidos. Mientras que el enfoque lento pero preciso tomó cientos de horas de tiempo de cálculo por simulación y el método rápido existente tomó un par de minutos, D3M pudo completar una simulación en solo 30 milisegundos. Sun margen de error fue del 2,8 por ciento frente al 9,3 del modelo rápido existente.

Fuente: europapress.es