دانلود مستند فضایی با زیر نویس فارسی

بزرگترین مجموعه شبیه‌سازی‌ کیهانی با استفاده از هوش مصنوعی

0
زمان مطالعه: 2 دقیقه

محققان عظیم‌ترین مجموعه شبیه‌سازی‌هایی را منتشر کرده‌اند که شامل شبیه‌سازی ۴۲۳۳ جهان، میلیون‌ها کهکشان و ۳۵۰ ترابایت داده است. آن‌ها از طریق پروژه‌ای به نام کملز (CAMELS سرواژه Cosmology and Astrophysics with MachinE Learning Simulations) از شبیه‌سازی‌های کیهانی برای آموزش مدل‌های هوش مصنوعی استفاده‌ کرده‌اند تا شاید بتوانیم برخی از ویژگی‌های جهان خودمان را رمزگشایی کنیم.

هر شبیه‌سازی با مفروضات نسبتا متفاوتی در باب جهان اجرا می‌شود. این مفروضات مثلا پیرامون مقدار ماده تاریک نامرئی در تناسب با انرژی تاریکی است که کیهان را منبسط می‌کند. محققان این شبیه‌سازی‌ها را برای آموزش مدل‌های یادگیری ماشینی طراحی کرده‌اند تا بعدا بتوانند از مشاهده‌های دنیای واقعی اطلاعات مفیدی استخراج کنند. فرانسیسکو ویاسکوسا-ناوارو (Francisco Villaescusa-Navarro)، از مدیران این پروژه، به‌همراه دانشمندان موسسه فلاتیرون (Flatiron Institute) آمریکا برنامه مذکور را پیش می‌برند.

در همین رابطه بخوانید: به‌کارگیری هوش مصنوعی توسط ناسا برای کشف سیارات فراخورشیدی

یکی از پروژه‌هایی که از این مجموعه داده استفاده کرده مربوط‌به محققی از دانشگاه والنسیا (University of Valencia) اسپانیا است. او و تیمش با شبیه‌سازی‌های کملز یک مدل هوش مصنوعی را آموزش دادند تا جرم کهکشان راه شیری و حلقه ماده تاریک پیرامون آن را به‌همراه کهکشان اندرومدا (Andromeda) و حلقه‌های آن اندازه‌گیری کنند. نتیجه این بود که جرم کهکشان ما حدود ۱ تا ۲.۶ تریلیون برابر جرم خورشید برآورد شد. این تخمین با اعدادی که از طریق سایر روش‌های علمی به‌دست‌آمده مطابقت دارد و دقت بالای مدل‌های هوش مصنوعی را نشان می‌دهد.

تیم پروژه کملز این شبیه‌سازی‌ها را با استفاده از کد پروژه‌های بین‌المللی ایلاستریس (IllustrisTNG) و سیمبا (Simba) به‌وجود آورده است. اعضای تیم هم از ترکیب اعضای این دو پروژه گرد هم آمده‌اند. حدود نیمی از این شبیه‌سازی‌ها علم فیزیک کیهان را با فیزیک مقیاس‌های پایین‌تر اما تاثیرگذار در شکل‌گیری کهکشان‌ها ترکیب می‌کند.

منبع digiato
با اشتراک گذاری مطلب از اسپاش حمایت کنید
https://espash.ir/?p=63687
مطالب پیشنهادی اسپاش
اشتراک در
اطلاع از
guest

0 نظرات
بازخورد (Feedback) های اینلاین
مشاهده همه دیدگاه ها