Menggunakan sedikit keajaiban pembelajaran mesin, para ilmuwan sekarang dapat memodelkan alam semesta yang luas dan kompleks dalam seperseribu waktu yang dibutuhkan metode konvensional. Pendekatan baru ini akan membantu mengantarkan era baru simulasi kosmologi beresolusi tinggi.
Metode baru, yang dikembangkan oleh Yin Li, seorang astrofisikawan di Flatiron Institute di New York, dan rekan-rekannya, menyediakan algoritme pembelajaran mesin dengan model resolusi rendah dan tinggi dari wilayah ruang kecil. Algoritme mengajarkan cara menskalakan model resolusi rendah agar sesuai dengan detail yang ditemukan dalam versi resolusi tinggi. Setelah dilatih, kode tersebut dapat mengambil model skala penuh beresolusi rendah dan menghasilkan simulasi beresolusi sangat tinggi yang mengandung partikel 512 kali lebih banyak.
Penskalaan ini memberikan penghematan waktu yang signifikan. Untuk wilayah alam semesta sekitar 500 juta tahun cahaya, mengandung 134 juta partikel, metode yang ada membutuhkan waktu 560 jam untuk menyelesaikan simulasi resolusi tinggi menggunakan inti pemrosesan tunggal. Ilmuwan mengatakan bahwa dengan pendekatan baru ini, dibutuhkan waktu hanya 36 menit. Hasilnya bahkan lebih mengesankan ketika lebih banyak partikel ditambahkan ke dalam simulasi. Untuk alam semesta, yang 1000 kali lebih besar dan mengandung 134 miliar partikel, metode baru para peneliti membutuhkan waktu 16 jam pada satu GPU.
Juga menarik:
- Partikel pertama di alam semesta telah diciptakan kembali. Peringatan spoiler: mereka terlihat aneh
- Sebuah studi baru menimbulkan keraguan tentang komposisi 70% dari alam semesta kita
Menurut para ahli, pengurangan waktu yang diperlukan untuk melakukan simulasi kosmologi "dapat memastikan kemajuan yang signifikan dalam kosmologi numerik dan astrofisika. Simulasi kosmologi melacak sejarah alam semesta kembali ke pembentukan semua galaksi dan lubang hitamnya."
Sejauh ini, model baru hanya mempertimbangkan materi gelap dan gravitasi. Meskipun ini mungkin tampak seperti penyederhanaan yang berlebihan, gravitasi tentu saja merupakan gaya dominan di alam semesta dalam skala besar, dan materi gelap membentuk 85% dari semua "materi" di kosmos. Partikel dalam simulasi bukanlah partikel materi gelap literal, melainkan digunakan sebagai pelacak untuk menunjukkan bagaimana partikel materi gelap bergerak melalui alam semesta.
Simulasi tidak menangkap semuanya, karena hanya berfokus pada materi gelap dan gravitasi, fenomena skala kecil seperti pembentukan bintang, supernova, dan efek lubang hitam tidak diperhitungkan. Para peneliti berencana untuk memperluas metode mereka untuk memasukkan kekuatan yang bertanggung jawab atas fenomena tersebut dan menjalankan jaringan saraf mereka dengan cepat bersamaan dengan simulasi konvensional untuk meningkatkan akurasi.
Baca juga: