Mở ra kỷ nguyên mới cho mô phỏng vũ trụ
Các nhà vật lý thiên văn giờ đây có thể mô phỏng các vũ trụ phức tạp, rộng lớn trong một phần nghìn thời gian các phương pháp thông thường thông qua sử dụng "phép thuật" học máy (machine learning).
Cách tiếp cận này giúp mở ra một kỷ nguyên mới trong mô phỏng vũ trụ có độ phân giải cao. Phương pháp trên được nhà nghiên cứu Viện Flatiron, New York - Yin Li và các cộng sự báo cáo trong nghiên cứu công bố trực tuyến hôm 4.5.2021 trong kỷ yếu của Viện Hàn lâm Khoa học Quốc gia.
“Hiện tại, những hạn chế về thời gian tính toán thường có nghĩa là chúng ta không thể mô phỏng vũ trụ ở cả độ phân giải cao và khối lượng lớn” - tác giả chính của nghiên cứu, nhà vật lý thiên văn Yin Li, cho biết.
“Với kỹ thuật mới của chúng tôi, cả hai khả năng này đều có thể có. Trong tương lai, các phương pháp dựa trên AI sẽ trở thành tiêu chuẩn cho một số ứng dụng nhất định” - ông Yin Lin nói thêm.
Phương pháp mới do nhà vật lý thiên văn Yin Li và các đồng nghiệp phát triển cung cấp một thuật toán học máy với các mô hình của một vùng không gian vũ trụ nhỏ ở cả độ phân giải thấp và cao. Sau khi được hướng dẫn, mã có thể lấy các mô hình có độ phân giải thấp ở quy mô đầy đủ và tạo ra các mô phỏng "siêu phân giải" chứa số lượng hạt nhiều gấp 512 lần.
Quá trình này tương tự như chụp được một bức ảnh mờ và sau đó thêm các chi tiết bị thiếu vào, làm cho bức ảnh sắc nét và rõ ràng.
Sự nâng cấp này giúp tiết kiệm thời gian đáng kể. Với một vùng trong vũ trụ khoảng 500 triệu năm ánh sáng chứa 134 triệu hạt, các phương pháp hiện có cần đến 560 giờ để tạo ra một mô phỏng có độ phân giải cao bằng cách sử dụng một lõi xử lý duy nhất. Với cách tiếp cận mới, các nhà nghiên cứu chỉ cần 36 phút.
Kết quả thậm chí còn ấn tượng hơn khi nhiều hạt được thêm vào mô phỏng. Với một khu vực vũ trụ lớn gấp 1.000 lần với 134 tỉ hạt, phương pháp mới của các nhà nghiên cứu mất 16 giờ trên một đơn vị xử lý đồ họa. Nhà nghiên cứu Yin Li nói rằng, các phương pháp hiện hành sẽ mất nhiều thời gian đến nỗi cần có các tài nguyên siêu máy tính chuyên dụng.
Nhà vật lý thiên văn Yin Li là nhà nghiên cứu tại Trung tâm Vật lý Thiên văn Tính toán và Trung tâm về Toán học Tính toán của Viện Flatiron. Ông là đồng tác giả nghiên cứu mới này cùng các nhà nghiên cứu Yueying Ni, Rupert Croft và Tiziana Di Matteo của Đại học Carnegie Mellon; Simeon Bird của Đại học California, Riverside; và Yu Feng của Đại học California, Berkeley.
Hướng tới các bí ẩn vũ trụ khác ngoài vật chất tối và lực hấp dẫn
Mô phỏng vũ trụ không thể thiếu trong vật lý thiên văn. Các nhà khoa học dùng các mô phỏng để dự đoán vũ trụ có diện mạo thế nào trong các kịch bản khác nhau, ví dụ như nếu năng lượng tối kéo vũ trụ tách ra theo thời gian. Các quan sát của kính thiên văn sau đó có thể xác nhận liệu các dự đoán của mô phỏng có khớp với thực tế hay không. Việc tạo ra các dự đoán có thể kiểm nghiệm được đòi hỏi phải chạy các mô phỏng hàng nghìn lần, do đó, mô hình hóa nhanh hơn sẽ mang tới lợi ích lớn cho lĩnh vực này.
Giảm thời gian chạy các mô phỏng vũ trụ “có tiềm năng cung cấp những tiến bộ lớn về vật lý thiên văn và vũ trụ học bằng con số. Các mô phỏng vũ trụ tuân theo lịch sử và số phận của vũ trụ, suốt quá trình hình thành tất cả các thiên hà và các hố đen của chúng” - nhà nghiên cứu Tiziana Di Matteo nói.
Cho đến nay, các mô phỏng mới chỉ xem xét vật chất tối và lực hấp dẫn. Tới thời điểm hiện tại, lực hấp dẫn vẫn là lực chi phối của vũ trụ ở quy mô lớn và vật chất tối chiếm 85% tổng số mọi thứ trong vũ trụ. Các hạt trong mô phỏng không phải là các hạt vật chất tối theo nghĩa đen mà được sử dụng làm công cụ theo dõi để hiển thị cách các bit vật chất tối di chuyển trong vũ trụ.
Mã của nhóm nghiên cứu đã sử dụng mạng nơ-ron nhân tạo để dự đoán lực hấp dẫn sẽ di chuyển vật chất tối như thế nào theo thời gian. Các mạng như vậy nạp dữ liệu hướng dẫn và chạy các tính toán bằng cách sử dụng thông tin. Kết quả sau đó được so sánh với kết quả mong đợi.
Dù chỉ được hướng dẫn bằng cách sử dụng các khu vực không gian nhỏ, các mạng nơ-ron nhân tạo đã tái tạo chính xác các cấu trúc quy mô lớn vốn chỉ xuất hiện trong các mô phỏng khổng lồ.
Tuy nhiên, các mô phỏng không nắm bắt được mọi thứ. Bởi vì chúng chỉ tập trung vào vật chất tối và lực hấp dẫn, các hiện tượng vũ trụ quy mô nhỏ hơn như sự hình thành sao, siêu tân tinh và ảnh hưởng của hố đen, bị bỏ qua. Các nhà nghiên cứu có kế hoạch mở rộng phương pháp để có thể tập trung thêm vào các lực dẫn tới những hiện tượng này và để chạy các mạng nơ-ron nhân tạo của những hiện tượng đó một cách nhanh chóng cùng với các mô phòng thông thường để cải thiện độ chính xác.
