Sieci neuronowe na ratunek. Dzięki nim naukowcy zgłębiają Wielki Wybuch

Tuż po Wielkim Wybuchu cały wszechświat najprawdopodobniejsze znajdował się w stanie tzw. plazmy kwarkowo-gluonowej. Do zgłębiania informacji na ten temat naukowcy używają zaawansowanych superkomputerów.

Algorytmy oparte na uczeniu maszynowym niestety nie są w stanie wykonywać obliczeń związanych z tym zadaniem, dlatego astrofizycy korzystają ze wsparcia sieci neuronowych. Te umożliwiają wyznaczanie właściwości cząsteczek związanych z pierwszymi etapami istnienia wszechświata.

Czytaj też: Gwiazda wybuchła z taką jasnością, że da się ją zauważyć gołym okiem. Gdzie się znajduje?

Symulacja plazmy kwarkowo-gluonowej w możliwie realistyczny sposób wymaga niezwykle dużej ilości czasu obliczeniowego. Nawet największe superkomputery na świecie są tym przytłoczone. Pożądane byłoby zatem nie obliczać dokładnie każdego szczegółu, ale rozpoznawać i przewidywać pewne właściwości plazmy z pomocą sztucznej inteligencji.

Andreas Ipp, TU Wien

Jednym z problemów związanych ze stosowaniem tej metody jest to, że pola kwantowe używane do matematycznego opisu cząstek i sił między nimi mogą być reprezentowane na różne sposoby. Jak wyjaśnia Ipp, kalibracja urządzenia pomiarowego w inny sposób, na przykład z użyciem skali Kelvina zamiast skali Celsjusza sprawi, że wyniki pomiarów będą odmienne mimo opisywania tego samego stanu. W przypadku teorii kwantowych jest podobnie: obiekty matematyczne, które na pierwszy rzut oka wyglądają zupełnie inaczej, w rzeczywistości mogą opisywać ten sam stan fizyczny.

Czytaj też: Czarna dziura jakiej jeszcze nie było. Ukrywała się przed astronomami w sąsiedniej galaktyce

Z kolei inny członek zespołu badawczego, David Müller, dodaje, iż nauczenie sieci neuronowej, aby sama zwracała uwagę na te różnice byłoby niezwykle trudne. Z tego względu łatwiej jest zaprojektować jej struktury sieci tak, aby tzw. symetria bramkowa była automatycznie brana pod uwagę. W efekcie różne reprezentacje tego samego stanu fizycznego wytwarzają w sieci neuronowej te same sygnały. Zespół badawczy z TU Wien tego właśnie dokonał: jego członkowie stworzyli zupełnie nowe warstwy sieci, które automatycznie uwzględniają niezmienność bramek. Część eksperymentów wykazała, iż w ten sposób możliwe jest skuteczniejsze prowadzenie symulacji związanych z plazmą kwarkowo-gluonową. Szczegóły w tej sprawie są dostępne na łamach Physical Review Letters.