Съехала от родителей — нейросеть для изучения Вселенной обошла математиков и ушла далеко за пределы того, что от нее ждали
Ученые создали нейросеть для 3D-симуляции Вселенной. Алгоритм предсказывает развитие космоса при различных сценариях, в том числе моделирует изменение гравитационной силы и процент темной материи. Последнему критерию нейросеть не обучали — создатели не могут объяснить, как она до этого дошла.
Почему об этом пишем: В пятничном дайджесте мы упомянули эту новость, но хочется рассказать о ней побольше. Сначала разберемся — зачем астрофизикам понадобилось машинное обучение? Все просто — они попытались облегчить себе жизнь и понизить уровень сложности вычислительных процессов в работе. До ML это работало так — сначала описывают математическую модель, потом суют в нее разные параметры и смотрят на результат.
У классического подхода две проблемы: первая — надо найти все параметры, которые влияют на предсказываемую среду, и затем связать их между собой. Вторая — сложные модели считаются на суперкомпьютерах, и это может занять месяцы. Получается долго, но во многих областях без кропотливых вычислений не обойтись: так создают симуляции прочности мостов, анализируют протекание ядерных реакций и отрабатывают траектории полета летательных аппаратов.
Астрофизики же применили новый способ — взяли кучу данных от точной модели, использовали их как выходные данные и обучили нейросеть. Получилось слишком хорошо. Сетка создаёт симуляцию меньше чем за секунду, но что круче — она проявила инициативу, научившись считать процент темной материи, хотя не должна была это делать. Ждем развития технологии, а математикам-астрофизикам удачи. Кажется, у них появился конкурент — осталось разобраться, как он работает.
Ученые создали нейросеть для 3D-симуляции Вселенной. Алгоритм предсказывает развитие космоса при различных сценариях, в том числе моделирует изменение гравитационной силы и процент темной материи. Последнему критерию нейросеть не обучали — создатели не могут объяснить, как она до этого дошла.
Почему об этом пишем: В пятничном дайджесте мы упомянули эту новость, но хочется рассказать о ней побольше. Сначала разберемся — зачем астрофизикам понадобилось машинное обучение? Все просто — они попытались облегчить себе жизнь и понизить уровень сложности вычислительных процессов в работе. До ML это работало так — сначала описывают математическую модель, потом суют в нее разные параметры и смотрят на результат.
У классического подхода две проблемы: первая — надо найти все параметры, которые влияют на предсказываемую среду, и затем связать их между собой. Вторая — сложные модели считаются на суперкомпьютерах, и это может занять месяцы. Получается долго, но во многих областях без кропотливых вычислений не обойтись: так создают симуляции прочности мостов, анализируют протекание ядерных реакций и отрабатывают траектории полета летательных аппаратов.
Астрофизики же применили новый способ — взяли кучу данных от точной модели, использовали их как выходные данные и обучили нейросеть. Получилось слишком хорошо. Сетка создаёт симуляцию меньше чем за секунду, но что круче — она проявила инициативу, научившись считать процент темной материи, хотя не должна была это делать. Ждем развития технологии, а математикам-астрофизикам удачи. Кажется, у них появился конкурент — осталось разобраться, как он работает.