Tədqiqatçılar qalaktikanın təkamülünü və fövqəlnova partlayışını simulyasiya edərkən emal vaxtını kəskin sürətləndirmək üçün maşın öyrənməsindən istifadə ediblər. Bu yanaşma bizə öz qalaktikamızın mənşəyini, xüsusən də Süd Yolunda həyat üçün vacib olan elementləri anlamağa kömək edə bilər.

Tapıntılar The Astrophysical Journal -da dərc olunub .

Komandaya Maks Plank Astrofizika İnstitutundan (MPA) və Flatiron İnstitutundan olan həmkarları ilə birlikdə Yaponiyanın Fənlərarası Nəzəri və Riyaziyyat Elmləri üzrə RIKEN Mərkəzində (iTHEMS) Keiya Hirashima rəhbərlik edirdi.

Qalaktikaların necə əmələ gəldiyini anlamaq astrofiziklər üçün əsas problemdir. Fövqəlnovalar kimi güclü hadisələrin qalaktikanın təkamülünü apara biləcəyini bilsək də, sadəcə olaraq gecə səmasına baxıb onun baş verdiyini görə bilmərik.

Alimlər teleskoplardan və ulduzlararası kosmosun aspektlərini ölçən digər cihazlardan toplanmış böyük həcmdə məlumatlara əsaslanan ədədi simulyasiyalara əsaslanırlar. Simulyasiyalar qravitasiya və hidrodinamika, eləcə də astrofiziki termokimyanın digər mürəkkəb aspektlərini nəzərə almalıdır.

Üstəlik, onlar yüksək temporal ayırdetmə qabiliyyətinə malik olmalıdırlar, yəni inkişaf edən qalaktikanın hər bir 3D snapshotı arasındakı vaxt kritik hadisələrin qaçırılmaması üçün kifayət qədər kiçik olmalıdır. Məsələn, fövqəlnova qabığının genişlənməsinin ilkin mərhələsini tutmaq üçün sadəcə yüzlərlə il vaxt tələb olunur ki, bu da ulduzlararası məkanın tipik simulyasiyalarının əldə edə biləcəyindən 1000 dəfə kiçikdir.

Əslində, tipik bir superkompüter nisbətən kiçik bir qalaktikanın müvafiq müvəqqəti qətnamə ilə simulyasiyasını həyata keçirmək üçün bir-iki il çəkir.Oyna

00:00

00:13SəssizParametrlərPIPTam ekrana daxil olun

Bu zaman darboğazını aradan qaldırmaq yeni tədqiqatın əsas məqsədi idi. Tədqiqat qrupu AI-ni verilənlərə əsaslanan modellərinə daxil etməklə, əvvəllər modelləşdirilmiş cırtdan qalaktikanın çıxışını uyğunlaşdıra bildi, lakin nəticəni daha tez əldə etdi.

https://googleads.g.doubleclick.net/pagead/ads?gdpr=0&us_privacy=1—&gpp_sid=-1&client=ca-pub-0536483524803400&output=html&h=280&slotname=8188791252&adk=1645945215&adf=308666314&pi=t.ma~as.8188791252&w=750&abgtt=6&fwrn=4&fwrnh=0&lmt=1751614698&rafmt=1&armr=3&format=750×280&url=https%3A%2F%2Fphys.org%2Fnews%2F2025-07-machine-outpaces-supercomputers-simulating-galaxy.html&fwr=0&rpe=1&resp_fmts=3&wgl=1&uach=WyJXaW5kb3dzIiwiMTkuMC4wIiwieDg2IiwiIiwiMTM3LjAuNzE1MS4xMjAiLG51bGwsMCxudWxsLCI2NCIsW1siR29vZ2xlIENocm9tZSIsIjEzNy4wLjcxNTEuMTIwIl0sWyJDaHJvbWl1bSIsIjEzNy4wLjcxNTEuMTIwIl0sWyJOb3QvQSlCcmFuZCIsIjI0LjAuMC4wIl1dLDBd&dt=1751614698735&bpp=7&bdt=174&idt=-M&shv=r20250630&mjsv=m202507010101&ptt=9&saldr=aa&abxe=1&cookie=ID%3Df22668bce9793ae4%3AT%3D1735196613%3ART%3D1751614587%3AS%3DALNI_Mb4Xpwl1SO1AcvqroR6xccDm_sheQ&gpic=UID%3D00000f7c5320f40b%3AT%3D1735196613%3ART%3D1751614587%3AS%3DALNI_Mb1dz_DHiT2yDzXLMaB9CDkQl4XGg&eo_id_str=ID%3D1241933dda87baba%3AT%3D1750839581%3ART%3D1751614587%3AS%3DAA-AfjZwPuiSAour3k16ZA1JtXua&prev_fmts=0x0&nras=1&correlator=177807009043&frm=20&pv=1&rplot=4&u_tz=240&u_his=4&u_h=1080&u_w=1920&u_ah=1032&u_aw=1920&u_cd=24&u_sd=1&dmc=8&adx=448&ady=2202&biw=1905&bih=945&scr_x=0&scr_y=0&eid=31093235%2C95353387%2C95362656%2C95365225%2C95365114%2C95359266%2C95365121&oid=2&pvsid=8604647515203204&tmod=1370108840&uas=0&nvt=1&ref=https%3A%2F%2Fphys.org%2Fpage3.html&fc=1920&brdim=0%2C0%2C0%2C0%2C1920%2C0%2C1920%2C1032%2C1920%2C945&vis=1&rsz=%7C%7CpeEbr%7C&abl=CS&pfx=0&fu=128&bc=31&bz=1&td=1&tdf=2&psd=W251bGwsbnVsbCxudWxsLDNd&nt=1&ifi=2&uci=a!2&btvi=1&fsb=1&dtd=137

“Biz süni intellekt modelimizdən istifadə etdikdə, simulyasiya standart ədədi simulyasiyadan təxminən dörd dəfə sürətli olur” dedi Hirashima.

“Bu, hesablama vaxtının bir neçə aydan yarım ilə qədər azalmasına uyğundur. Tənqidi olaraq, süni intellektlə dəstəklənən simulyasiyamız ulduzların əmələ gəlməsi və qalaktika axını da daxil olmaqla qalaktikaların təkamülünü və maddə dövrlərini tutmaq üçün vacib olan dinamikanı təkrarlaya bildi.”

Əksər maşın öyrənmə modelləri kimi, tədqiqatçıların yeni modeli də bir məlumat toplusundan istifadə etməklə öyrədilir və sonra yeni məlumat dəstinə əsaslanaraq nəticələri proqnozlaşdıra bilir. Bu halda, model proqramlaşdırılmış neyron şəbəkəsini özündə birləşdirdi və bir milyon günəşimizi yığan molekulyar buludda təcrid olunmuş fövqəlnovanın 300 simulyasiyası üzrə təlim keçdi.

Təlimdən sonra model fövqəlnova partlayışından 100.000 il sonra qazın sıxlığını, temperaturunu və 3D sürətlərini proqnozlaşdıra bildi . Superkompüterlər tərəfindən həyata keçirilənlər kimi birbaşa ədədi simulyasiyalarla müqayisədə yeni model oxşar strukturlar və ulduzların əmələ gəlmə tarixini verdi, lakin hesablamalara dörd dəfə az vaxt sərf etdi.

Hirashimanın sözlərinə görə, “Bizim süni intellektlə dəstəklənən çərçivəmiz günəş sisteminin mənşəyini və həyatın yaranması üçün vacib olan elementləri proqnozlaşdırmaq məqsədi ilə Süd Yolu kimi ağır qalaktikaların yüksək ayırdetməli ulduz-ulduz simulyasiyalarına imkan verəcək”.

Hazırda laboratoriya Süd Yolu ölçülü qalaktika simulyasiyasını həyata keçirmək üçün yeni çərçivədən istifadə edir.

Daha çox məlumat: Keiya 島敬也 Hirashima 平 et al, ASURA-FDPS-ML: Supernova Əlaqəsi üçün Surroqat Modelləşdirmə ilə Sürətləndirilən Ulduz-ulduzlu Qalaktika Simulyasiyaları, Astrofizika Jurnal (2025). DOI: 10.3847/1538-4357/add689

Jurnal məlumatı: Astrophysical Journal 

RIKEN tərəfindən təmin edilmişdir