Yapay zeka, ilk 100 milyar yıldızlı Samanyolu galaksisi simülasyonunu yarattı

Araştırmacılar, 100 milyardan fazla yıldızı tek tek izleyen ilk Samanyolu galaksisi simülasyon modelini oluşturmak için derin öğrenmeyi yüksek çözünürlüklü fizikle birleştirdiler.

Yapay zekaları, gazların süpernovalardan sonra nasıl davrandığını öğrenerek galaktik modellemedeki en büyük hesaplama darboğazlarından birini ortadan kaldırdı. Sonuç, mevcut yöntemlerden yüzlerce kat daha hızlı bir simülasyon oldu.

100 milyar yıldızlı Samanyolu galaksisi simülasyonu

Japonya'daki RIKEN Disiplinlerarası Teorik ve Matematiksel Bilimler Merkezi'nden (iTHEMS) Keiya Hirashima liderliğindeki araştırmacılar, İspanya'daki Tokyo Üniversitesi ve Barselona Üniversitesi'nden ortaklarla birlikte çalışarak, 10 bin yıllık evrim boyunca 100 milyardan fazla yıldızı izleyebilen ilk Samanyolu simülasyonunu oluşturdu. Ekip, bu dönüm noktasına yapay zekayla gelişmiş sayısal simülasyon teknikleriyle birleştirerek ulaştı. Modelleri, önceki en gelişmiş simülasyonlardan 100 kat daha fazla yıldız içeriyor ve 100 kattan daha hızlı üretildi.

Uluslararası süper bilgisayar konferansı SC '25'te sunulan çalışma, astrofizik, yüksek performanslı bilgi işlem ve yapay zeka destekli modelleme alanlarında önemli bir ilerlemeyi temsil ediyor. Aynı strateji, iklim ve hava durumu araştırmaları da dahil olmak üzere büyük ölçekli Dünya sistemi çalışmalarına da uygulanabilir.

Her Yıldızı Modellemek Neden Bu Kadar Zor?

Uzun yıllardır astrofizikçiler, her bir yıldızı takip edebilecek kadar ayrıntılı Samanyolu simülasyonları oluşturmayı hedefliyorlar. Bu tür modeller, araştırmacıların galaktik evrim, yapı ve yıldız oluşumu teorilerini doğrudan gözlemsel verilerle karşılaştırmalarına olanak tanıyor. Ancak, bir galaksiyi doğru bir şekilde simüle etmek, yerçekimi, akışkan davranışı, kimyasal element oluşumu ve süpernova aktivitesinin çok geniş zaman ve uzay aralıklarında hesaplanmasını gerektiriyor ve bu da görevi son derece zorlu hale getiriyor.

Bilim insanları daha önce Samanyolu kadar büyük bir galaksiyi tekil yıldızlar düzeyinde ince ayrıntıları koruyarak modelleyememişti. Mevcut en son teknoloji simülasyonları, yaklaşık bir milyar güneş kütlesine eşdeğer kütleye sahip sistemleri temsil edebiliyor; bu da Samanyolu'nu oluşturan 100 milyardan fazla yıldızın çok altında.

Sonuç olarak, bu modellerdeki en küçük "parçacık" genellikle yaklaşık 100 yıldızdan oluşan bir grubu temsil ediyor; bu da tek tek yıldızların davranışlarının ortalamasını alıyor ve küçük ölçekli süreçlerin doğruluğunu sınırlıyor. Buradaki zorluk, hesaplama adımları arasındaki aralıkla ilgili: Süpernova evrimi gibi hızlı olayları yakalamak için simülasyonun çok küçük zaman aralıklarında ilerlemesi gerekiyor.

Zaman aralığını kısaltmak, önemli ölçüde daha fazla hesaplama gücü anlamına gelir. Günümüzün en iyi fizik tabanlı modelleriyle bile, Samanyolu'nun yıldız yıldız simülasyonu, galaktik evrimin her 1 milyon yılı için yaklaşık 315 saat gerektirir. Bu hızla, 1 milyar yıllık aktivitenin üretilmesi gerçek zamana göre 36 yıldan fazla zaman alır. Daha fazla çekirdek eklendikçe enerji tüketimi aşırı hale geldiği ve verimlilik düştüğü için, daha fazla süper bilgisayar çekirdeği eklemek pratik bir çözüm değildir.

Yeni Bir Derin Öğrenme Yaklaşımı

Hirashima ve ekibi, bu engelleri aşmak için derin öğrenme vekil modelini standart fiziksel simülasyonlarla harmanlayan bir yöntem tasarladı. Vekil model, yüksek çözünürlüklü süpernova simülasyonları kullanılarak eğitildi ve ana simülasyondan ek kaynak gerektirmeden, bir süpernova patlamasını takip eden 100.000 yıl boyunca gazın nasıl yayıldığını tahmin etmeyi öğrendi.

Bu yapay zeka bileşeni, araştırmacıların galaksinin genel davranışını yakalarken, tek tek süpernovaların ince ayrıntıları da dahil olmak üzere küçük ölçekli olayları modellemelerine olanak sağladı. Ekip, bu yaklaşımı, sonuçlarını RIKEN'in Fugaku süper bilgisayarı ve Tokyo Üniversitesi'nin Miyabi Süper Bilgisayar Sistemi'ndeki büyük ölçekli çalışmalarla karşılaştırarak doğruladı.

Bu yöntem, 100 milyardan fazla yıldıza sahip galaksiler için gerçek yıldız çözünürlüğü sunuyor ve bunu olağanüstü bir hızla gerçekleştiriyor. 1 milyon yılın simülasyonu sadece 2,78 saat sürdü, yani 1 milyar yıl 36 yıl yerine yaklaşık 115 günde tamamlanabiliyor.

İklim, Hava Durumu ve Okyanus Modellemesi için Daha Geniş Potansiyel

Bu hibrit yapay zekâ yaklaşımı, küçük ölçekli fiziği büyük ölçekli davranışlarla ilişkilendirmeyi gerektiren birçok hesaplamalı bilim alanını yeniden şekillendirebilir. Meteoroloji, oşinografi ve iklim modellemesi gibi alanlar da benzer zorluklarla karşı karşıyadır ve karmaşık, çok ölçekli simülasyonları hızlandıran araçlardan faydalanabilirler.

Hirashima, "Yapay zekayı yüksek performanslı bilgi işlemle entegre etmenin, hesaplamalı bilimler genelinde çok ölçekli, çok fizikli problemlerle başa çıkma biçimimizde köklü bir değişime işaret ettiğine inanıyorum. Bu başarı aynı zamanda, yapay zeka ile hızlandırılmış simülasyonların desen tanımanın ötesine geçerek bilimsel keşifler için gerçek bir araç haline gelebileceğini ve galaksimizde yaşamı oluşturan elementlerin nasıl ortaya çıktığını izlememize yardımcı olabileceğini gösteriyor." diyor.