深層学習モデルで宇宙構造の形成過程をすばやく正確にシミュレーション
【2019年8月30日 カブリIPMU】
生まれたばかりの宇宙では物質の分布はほぼ一様だったが、宇宙が年齢を経るとともに、膨張宇宙における物質間の重力の相互作用によって、濃い領域はどんどん濃く、薄い領域は薄くなっていった。その結果、現在でも見られる「宇宙の網目状構造」と呼ばれる大規模構造が形成されたと考えられている。
宇宙の大規模構造。銀河の分布が網の目状に広がるようすが見てとれる(ステラナビゲータで表示)
米・カーネギーメロン大学等に所属するSiyu Heさんたちは、この宇宙の大規模構造が作られる過程を機械学習によって調べた。機械学習は、パターンを見つけたり予測を立てたりするのに用いられる最先端の手法である。
研究では、ある人の若いころの顔写真から年老いたときの顔画像を機械学習で予測するように、宇宙初期の物質分布のデータ(正確には質量密度の空間分布)から宇宙の進化の予測を試みた。そして、1辺の長さが数億光年もの巨大な空間のシミュレーションデータを「ニューラルネットワーク」と呼ばれる手法で学習することで、宇宙の構造が作られる過程を瞬時に模倣する深層学習モデルを作ることに成功した。
従来から用いられている手法のうち、「解析計算」は計算速度が速く、「数値シミュレーション」は正確さに優れている。これらに対して、機械学習による新しいモデルは、正確性と効率の両方において従来の手法に勝るものだ。
新しい深層学習モデル(左)と、既存の解析手法(右)の比較。色は、各モデルに対して、深層学習モデルより計算速度が遅いが正確とされる数値シミュレーションを比較した際の各点での変位誤差を示す。左の新しい深層学習モデルD3Mの方が、誤差が少なくより正確であることがわかる(提供:S. He et al./PNAS2019)
研究チームのLi Yinさん(カブリIPMU特任研究員)は次のように語っている。「今回の研究では、最初のステップとして、宇宙の構造形成でよく用いられるN体シミュレーションに機械学習を適用し、宇宙の構造形成を瞬時に計算する手法を開発しました。銀河の形成・進化などのより複雑な物理現象を正確に計算するシミュレーションはさらに計算時間がかかりますが、機械学習、人工知能を駆使することで、同様に瞬時に理論予言を計算する手法が開発できると思います。これが可能になれば、宇宙の構造形成の研究に革命的な発展をもたらすことができると期待しています。この手法により、宇宙の構造形成の物理過程を解明することだけでなく、宇宙の始まりの初期条件を復元できることも不可能ではないと思います」。
〈参照〉
関連記事
- 2023/10/26 AIが高速で描く超新星爆発の広がり
- 2023/06/01 公式ブログ:ChatGPTと天文対話:「月と金星の大接近」の楽しみ方
- 2023/03/30 宇宙で最初の星はひとつではなかった
- 2023/02/03 AIで距離判定、天の川銀河のガス雲分布を描く
- 2022/12/22 機械学習が導き出したブラックホールの成長史
- 2022/07/28 複数天体を巡る探査機の軌道を機械学習で設計
- 2022/07/26 AIとスーパーコンピューターで広大な銀河地図を解読
- 2022/06/09 あの天体は今:110億年前の銀河たちから始めるシミュレーション
- 2022/06/08 深層学習でオーロラの出現を自動検知
- 2022/06/02 10万時間の宇宙シミュレーションを機械学習で数秒に
- 2022/03/18 ドローンとAIで隕石を発見
- 2022/02/15 火星のダストストームを深層学習で自動検出する方法
- 2021/11/04 「富岳」で宇宙ニュートリノの高精度シミュレーションに成功
- 2021/07/09 ダークマターの地図をAIで掘り起こす
- 2021/05/14 ガスに隠れた遠方銀河
- 2021/03/19 宇宙解析の模擬試験
- 2021/02/22 宇宙の初期状態を逆算する「時短テクニック」
- 2020/12/08 宇宙空間におけるニュートリノの運動の高精度シミュレーションに成功
- 2020/11/18 宇宙の大規模構造中のガス、80億年で温度が3倍上昇
- 2020/08/14 渦巻銀河を人工知能で分類