以下文字资料是由(历史认知网 www.lishirenzhi.com)小编为大家搜集整理后发布的内容，让我们赶快一起来看一下吧！
摘要：研究人员最近用人工智能来模拟宇宙。尽管模拟效果出人意料地好，但没有人完全理解它是如何工作的。这种神经网络被称为深密度位移模型，旨在识别数据中的常见特征，并随着时间的推移“学习”如何处理这些数据。模拟的重点是引力在宇宙形成中的作用。“我们可以成为一个有趣的游戏，让机器学习者了解为什么这个模型外推得如此好，为什么它外推到大象身上，而不仅仅是识别猫和狗，”她说这是科学和深度学习之间的一条双向通道。
首次对宇宙进行人工智能模拟，看起来像真实的宇宙一样工作，而且几乎同样神秘。
研究人员在6月24日的《国家科学院学报》上报道了新的模拟。我们的目标是创建一个虚拟版的宇宙，以模拟宇宙开始的不同条件，但科学家们也希望研究他们自己的模拟，以理解为什么它工作得这么好。
就像是教图像识别软件，里面有很多猫和狗的图片，“但这样它就能识别大象，”研究合著者、纽约计算天体物理中心的理论天体物理学家雪莉·何在一份声明中说没有人知道它是如何做到这一点的，这是一个有待解决的巨大谜团。”[关于宇宙起源的遥远发现]
模拟宇宙，考虑到宇宙的巨大年龄和规模，理解它的形成是一个艰巨的挑战。天体物理学家工具箱中的一个工具是计算机建模。然而，传统的模型需要大量的计算能力和时间，因为天体物理学家可能需要运行数千个模拟，调整不同的参数，以确定哪一个是最有可能的真实世界场景。
Ho和她的同事创建了一个深部神经网络来加速这个过程。这种神经网络被称为深密度位移模型（Deep Density Displacement Model，简称D^3M），旨在识别数据中的常见特征，并随着时间的推移“学习”如何处理这些数据。以D^3M为例，研究人员从一个高精度的传统宇宙计算机模型中输入了8000个模拟。在D^3M了解了这些模拟是如何工作的之后，研究人员投入了一个全新的、从未见过的对6亿光年宽的虚拟立方体宇宙的模拟。（真正可观测的宇宙大约有930亿光年宽。）
神经网络能够在这个新的宇宙中运行模拟，就像它在用于训练的8000个模拟数据集中一样。模拟的重点是引力在宇宙形成中的作用。何说，令人惊讶的是，当研究人员改变了全新的参数，比如虚拟宇宙中暗物质的数量时，D^3M仍然能够处理模拟——尽管从未接受过如何处理暗物质变化的培训。
计算机和宇宙学“KDSP”D^3M的这一特性是个谜，何说这使得模拟对计算科学和宇宙学都很有吸引力。“我们可以成为一个有趣的游戏，让机器学习者了解为什么这个模型外推得如此好，为什么它外推到大象身上，而不仅仅是识别猫和狗，”她说这是科学和深度学习之间的一条双向通道。
这个模型也可能为对宇宙起源感兴趣的研究人员节省时间。与最快的非人工智能模拟 ... 相比，新的神经网络可以在30毫秒内完成模拟。该网络的错误率为2.8%，而现有的最快模型的错误率为9.3%。（这些误差率与精确性的金标准（一种每次模拟需要数百小时的模型）进行了比较。）
研究人员现在计划在新的神经网络中改变其他参数，研究诸如流体力学或流体和气体的运动等因素，可能塑造了宇宙的形成。
从大爆炸到现在：我们的宇宙随时间的快照关于暗物质的11个最大的未回答的问题宇宙中12个最奇怪的物体最初发表在生命科学
特别申明：本文内容来源网络，版权归原作者所有，如有侵权请立即与我们联系（devmax@126.com），我们将及时处理。