AI eğitimi için en büyük kozmik simülasyon paketi, indirmesi ücretsiz, şimdiden keşifleri teşvik ediyor

Toplam 4.233 evren simülasyonu, milyonlarca galaksi ve 350 terabayt veri içeren CAMELS projesinden yeni bir sürüm, kozmologlar için bir hazinedir. MachinE Learning Simulations ile Kozmoloji ve Astrofizik anlamına gelen CAMELS, evrenin özelliklerini deşifre etmek için yapay zeka modellerini eğitmek için bu simülasyonları kullanmayı amaçlar.

Bilim adamları zaten verileri kullanıyor, hangisini indirmek ücretsizSimons Vakfı’nın CMB (Kozmik Mikrodalga Arkaplan) Analiz ve Simülasyon grubu ile bir araştırma bilimcisi olan proje ortak lideri Francisco Villaescusa-Navarro, yeni araştırmalara güç vermek için diyor.

Villaescusa-Navarro, Flatiron Enstitüsü’nün Hesaplamalı Astrofizik Merkezi’nde (CCA) Shy Genel ve aynı zamanda UConn Fizik Doçenti olan Daniel Anglés-Alcázar’da yardımcı araştırmacı bilim adamları ile projeyi yönetiyor.

Anglés-Alcázar, “Makine öğrenimi, bilimin birçok alanında devrim yaratıyor, ancak yararlanmak için çok büyük miktarda veri gerekiyor” diyor. “Geniş bir makul fiziği kapsayan binlerce simüle edilmiş evrenle birlikte CAMELS’in herkese açık veri sürümü, galaksi oluşumu ve kozmoloji topluluklarına, çeşitli sorunları çözmek için yeni makine öğrenimi algoritmalarının potansiyelini keşfetme konusunda benzersiz bir fırsat sağlayacaktır.”

CAMELS ekibi, IllustrisTNG ve Simba projelerinden alınan kodu kullanarak simülasyonları oluşturdu. CAMELS ekibi, her iki projenin üyelerini de içeriyor; Genel, IllustrisTNG’nin çekirdek ekibinin bir parçası ve Simba’yı geliştiren ekipte Anglés-Alcázar.

Simülasyonların yaklaşık yarısı, kozmosun fiziğini galaksi oluşumu için gerekli olan daha küçük ölçekli fizikle birleştiriyor. Her simülasyon, evren hakkında biraz farklı varsayımlarla yürütülür – örneğin, evrenin ne kadarının görünmez karanlık madde olduğuna karşı kozmosu birbirinden ayıran karanlık enerjiye veya galaksiler arasındaki boşluğa ne kadar süper kütleli karadelik enerjisi enjekte ettiğine ilişkin.

Araştırmacılar simülasyonları makine öğrenimi modellerini beslemek için tasarladılar, bu da daha sonra gerçek, gözlemlenebilir evrenin gözlemlerinden bilgi çıkarabilecek. 4.233 evren simülasyonuyla CAMELS, makine öğrenimi algoritmalarını eğitmek için tasarlanmış şimdiye kadarki en büyük ayrıntılı kozmolojik simülasyon paketidir.

Villaescusa-Navarro, “Veriler yeni keşifleri mümkün kılacak ve kozmolojiyi makine öğrenimi yoluyla astrofizikle birleştirecek” diyor. “Bu kadar çok evren simülasyonu ile buna benzer bir şey hiç olmadı.”

CAMELS veri seti, çalışmalardaki verileri kullanan çok çeşitli makalelerle araştırma projelerine zaten güç veriyor.

İspanya’daki Valencia Üniversitesi’nden Pablo Villanueva-Domingo böyle bir makaleye öncülük etti. O ve meslektaşları, Samanyolu galaksimizin kütlesini ve çevresindeki karanlık madde halesini ve yakındaki Andromeda galaksisini ve halesini ölçmek için bir yapay zeka modeli eğitmek için CAMELS simülasyonlarından yararlandı. Yapay zeka kullanılarak yapılan ilk ölçümler, galaksimizin ağırlığını güneş kütlesinin 1 ila 2,6 trilyon katına çıkardı. Bu tahminler, diğer yöntemlerle yapılan tahminlerle kabaca uyumludur ve AI yaklaşımının doğruluğunu gösterir.

Bu arada Villaescusa-Navarro, evrenin temel özelliklerini yöneten iki parametrenin değerini tahmin etmek için CAMELS verilerini kullanmak için bir çabaya yöneldi: evrenin hangi bölümünün madde olduğu ve kütlenin kozmosta ne kadar eşit dağıldığı. İlk olarak, o ve meslektaşları, karanlık maddenin dağılımı, gaz ve yıldızların farklı özellikleri gibi haritalar oluşturmak için CAMELS’i kullandılar. Ardından, haritaları kullanarak, iki parametrenin değerlerini tahmin etmek için sinir ağı adı verilen bir makine öğrenme aracını eğittiler.

Makaleyi yazan Genel, “Bu, bir görüntünün piksellerinden bir kedi ve bir köpek arasındaki farkı söylemek için kullanılan algoritmanın aynısı,” diyor. “İnsan gözü bir simülasyonda ne kadar karanlık madde olduğunu belirleyemez, ancak bir sinir ağı bunu yapabilir.”

Villaescusa-Navarro, sonuçların gelecekte bu tür parametreleri evrenle ilgili yeni gözlemlere dayanarak kesin olarak tahmin etmek için CAMELS’den yararlanma vaadini gösterdiğini söylüyor.

“Bunun başka hangi yeni keşifleri mümkün kılacağını görmek heyecan verici” diyor.