Simulace Mléčné dráhy: 100 miliard hvězd s pomocí 7 milionů CPU jader
Vědci úspěšně provedli první simulaci Mléčné dráhy na světě, která přesně představuje více než 100 miliard jednotlivých hvězd během 10 tisíc let. Tento úspěch byl dosažen kombinací umělé inteligence (AI) s numerickými simulacemi. Simulace nejen představuje 100krát více jednotlivých hvězd než předchozí nejmodernější modely, ale byla vyprodukována také více než 100krát rychleji.
Studie, publikovaná na mezinárodní konferenci o výkonném počítačovém zpracování, síťování, ukládání a analýze, představuje průlom na pomezí astrofyziky, výkonného počítačového zpracování a AI. Tato nová metodologie může být použita nejen v astrofyzice, ale také pro modelování jiných jevů, jako jsou změny klimatu a vzory počasí.
Výzvy simulace Mléčné dráhy
Astrofyzici se snažili vytvořit simulaci Mléčné dráhy až na úroveň jednotlivých hvězd, což by mohlo být použito k testování teorií o vzniku galaxií, jejich struktuře a evoluci hvězd v porovnání s reálnými pozorováními. Přesné modely evoluce galaxií jsou těžké, protože musí brát v úvahu gravitaci, dynamiku tekutin, výbuchy supernov a syntézu prvků, z nichž každá se odehrává na naprosto odlišných měřítkách prostoru a času.
Až dosud vědci nebyli schopni modelovat velké galaxie jako Mléčná dráha při zachování vysokého rozlišení na úrovni hvězd. Současné nejmodernější simulace mají horní hmotnostní limit přibližně jedné miliardy sluncí, zatímco Mléčná dráha má více než 100 miliard hvězd. To znamená, že nejmenší „částice“ v modelu představuje skutečně shluk hvězd o hmotnosti 100 sluncí. Co se stane s jednotlivými hvězdami, je průměrováno, a pouze velkoformátové události mohou být přesně simulovány.
Výpočetní limity a potřeba inovací
Avšak zpracování menších časových kroků vyžaduje více času a více výpočetních zdrojů. Kromě aktuálního hmotnostního limitu, pokud by se nejlépe fungující fyzikální simulace pokusily simulovat Mléčnou dráhu na úrovni jednotlivých hvězd, potřebovaly by 315 hodin na každých 1 milion let simulačního času.
Touto rychlostí by simulace dokonce i 1 miliardy let evoluce galaxie trvala více než 36 let reálného času. Ale přidávat více a více jader superpočítačů není životaschopné řešení. Nejenže používají neuvěřitelné množství energie, ale více jader nemusí nutně urychlit proces, protože účinnost klesá.
Na tuto výzvu reagoval Keiya Hirashima z RIKEN Center for Interdisciplinary Theoretical and Mathematical Sciences (iTHEMS) v Japonsku, spolu s kolegy z Tokijské univerzity a Universitat de Barcelona ve Španělsku. Vyvinuli nový přístup, který kombinuje model hlubokého učení s fyzikálními simulacemi. Model byl vyškolen na vysoce rozlišených simulacích supernovy a naučil se předpovídat, jak se okolní plyn rozšiřuje v 100 000 letech po výbuchu supernovy, aniž by využíval zdroje z ostatního modelu. Tento zkrat AI umožnil simulaci modelovat zároveň celkovou dynamiku galaxie i jemně škálované jevy, jako jsou výbuchy supernov.
Průlomové výsledky a širší důsledky
Tato metoda umožňuje rozlišení jednotlivých hvězd v velkých galaxiích s více než 100 miliardami hvězd, a simulace 1 milionu let trvala pouze 2,78 hodiny. To znamená, že požadovaných 1 miliarda let by mohla být simulována za pouhých 115 dnů, ne 36 let.
Tento přístup by mohl transformovat také jiné multi-škálové simulace — například v oboru počasí, oceánů a klimatologie, kde je potřeba spojit jak malé, tak velké procesy.
„Věřím, že integrace AI s výkonným počítačovým zpracováním představuje zásadní posun v tom, jak se zabýváme multi-škálovými, multi-fyzikálními problémy napříč výpočetními vědami,“ říká Hirashima. „Tento úspěch také ukazuje, že simulace urychlené AI mohou překročit rámec rozpoznávání vzorů a stát se skutečným nástrojem pro vědecké objevy — pomáhají nám sledovat, jak se prvky, které vytvořily samotný život, objevily v naší galaxii.“
