Strojové učení výrazně zrychluje simulace temné hmoty
© / kredit: ESO/D. Tornotti et al./Hubble: M. Revalski, P. Francis et al. · Zdroj · · CC BY 4.0 · Úpravy: výřez, zmenšení a kredit.
Simulace temné hmoty jsou klíčovým nástrojem pro pochopení vývoje vesmíru a rozložení galaxií. Detailní simulace, které přesně zachycují vnitřní podstrukturu halo temné hmoty, jsou však výpočetně nesmírně náročné, zvláště pokud potřebujeme tisíce realizací pro přesné statistické analýzy. Vědci proto vyvinuli novou metodu založenou na strojovém učení, která dokáže tento proces zásadně zrychlit. Algoritmus nejprve pomocí rozhodovacích stromů odhadne přítomnost podstruktur v daném halo a následně k němu pomocí metody nejbližších sousedů přiřadí odpovídající detaily z vysoce detailních simulací. Tento přístup umožňuje efektivně vytvářet rozsáhlé a přesné katalogy galaxií. Proč je to zajímavé: Metoda dramaticky šetří superpočítačový čas a otevírá cestu k dosud nedosažitelně přesným kosmologickým analýzám velkých přehlídek oblohy.
Původní zdroj →Našli jste chybu nebo nepřesnost? Napište redakci. (redakce@kosmonovinky.cz)