Astrofizičari su dugo zamišljali alat koji bi mogao otkriti unutarnje procese naše galaksije Mliječne staze, zvijezdu po zvijezdu, no računalna ograničenja dosad su onemogućavala taj cilj.
Tim znanstvenika predvođen Keiyom Hirashimom iz RIKEN-ova Centra za interdisciplinarne teorijske i matematičke znanosti u Japanu sada je ostvario rekonstrukciju 100 milijardi zvijezda tijekom 10.000 godina razvoja, pretvarajući navedenu dugogodišnju ambiciju u izvedivu računalnu simulaciju. Njihov uspjeh proizašao je iz neočekivanog spoja umjetne inteligencije i tradicionalnih fizikalnih simulacija, koji je predstavljen na ovogodišnjoj Konferenciji o superračunalstvu u SAD-u i objavljen na stranicama Udruženja za računalne strojeve (Association for Computing Machinery ili ACM), najvećeg svjetskog obrazovnog i znanstvenog računalnog društva.
Starije simulacije sažimale su galaksiju u čestice koje su predstavljale otprilike 100 zvijezda, čime su se gubili detalji brzih događaja. Bilježenje aktivnosti supernova, primjerice, zahtijevalo je iznimno kratke vremenske korake, ali njihovo smanjivanje povećavalo je računalne zahtjeve eksponencijalno.
Konvencionalna simulacija u razlučivosti pojedinačnih zvijezda potrošila bi 315 sati rada superračunala na svaki milijun simuliranih godina, što bi modeliranje jedne milijarde godina produljilo na 36 stvarnih godina. Čak i kada bi se dodalo više procesorskih jezgri, to više ne bi dovodilo do ubrzanja simulacije jer bi nakon određene razine dodatni resursi postali neučinkoviti, odnosno brzina bi počela padati, a sustav bi se gušio u vlastitoj kompleksnosti, uz nagli porast potrošnje energije.
Hirashimin tim primijenio je AI model koji preuzima dio najsloženijih izračuna i koji je treniran na visokorazlučivim simulacijama supernova. On predviđa širenje plina tijekom prvih 100.000 godina nakon eksplozije, preuzimajući brzu fiziku bez usporavanja modeliranja na većoj razini. Taj hibridni sustav skraćuje potrebno navedeno vrijeme modeliranja s 36 godina na svega 115 dana, prenosi Science Alert.
Testiranja na RIKEN-ovu superračunalu Fugaku i na sustavu Miyabi japanskog Sveučilišta u Tokiju potvrdila su točnost rezultata, sugerirajući da bi slični višeslojni računalni pristupi mogli unaprijediti i modele klime, vremenskih obrazaca te dinamike oceana.
