Araştırmacılar, 10 bin yıl boyunca 100 milyardan fazla bireysel yıldızı doğru bir şekilde temsil eden dünyanın ilk Samanyolu simülasyonunu başarıyla gerçekleştirdi. Bu başarı, yapay zekanın (AI) sayısal simülasyonlarla birleştirilmesiyle gerçekleştirildi. Simülasyon, önceki son teknoloji modellere göre 100 kat daha fazla bireysel yıldızı temsil etmekle kalmıyor, aynı zamanda 100 kat daha hızlı üretiliyor.
Yayınlandığı yer Uluslararası Yüksek Performanslı Hesaplama, Ağ Oluşturma, Depolama ve Analiz Konferansı BildirileriÇalışma, astrofizik, yüksek performanslı bilgi işlem ve yapay zekanın kesişiminde bir atılımı temsil ediyor. Astrofiziğin ötesinde bu yeni metodoloji, iklim değişikliği ve hava durumu modelleri gibi diğer olguları modellemek için de kullanılabilir.
Samanyolu’nu simüle etmenin zorlukları
Astrofizikçiler, galaktik oluşum, yapı ve yıldız evrimi teorilerini gerçek gözlemlerle test etmek için kullanılabilecek, Samanyolu galaksisinin bireysel yıldızlarına kadar bir simülasyonunu oluşturmaya çalışıyorlar. Galaksi evriminin doğru modelleri zordur çünkü her biri çok farklı uzay ve zaman ölçeklerinde meydana gelen yerçekimini, akışkan dinamiğini, süpernova patlamalarını ve element sentezini dikkate almak zorundadırlar.
Şimdiye kadar bilim insanları, Samanyolu gibi büyük galaksileri yüksek yıldız düzeyinde çözünürlüğü korurken modellemeyi başaramadılar. Mevcut en son teknolojiye sahip simülasyonların üst kütle sınırı yaklaşık bir milyar güneştir, Samanyolu’nda ise 100 milyardan fazla yıldız bulunur. Bu, modeldeki en küçük “parçacığın” gerçekte 100 güneş kütlesine sahip bir yıldız kümesi olduğu anlamına gelir. Tek tek yıldızların başına gelenlerin ortalaması alınır ve yalnızca büyük ölçekli olaylar doğru bir şekilde simüle edilebilir.
Temel sorun, simülasyondaki her adım arasındaki yılların sayısıdır; süpernovaların evrimi gibi bireysel yıldızların seviyesindeki hızlı değişiklikler, yalnızca galaksinin her anlık görüntüsü arasındaki sürenin yeterince kısa olması durumunda gözlemlenebilir.
Hesaplama sınırları ve yenilik ihtiyacı
Ancak daha küçük zaman adımlarını işlemek daha fazla zaman ve daha fazla hesaplama kaynağı gerektirir. Mevcut en gelişmiş kütle sınırının dışında, bugüne kadarki en iyi geleneksel fiziksel simülasyon Samanyolu’nu tek tek yıldızlara kadar simüle etmeye çalışsaydı, her 1 milyon yıllık simülasyon süresi için 315 saate ihtiyaç duyardı.
Bu hızda, 1 milyar yıllık galaksi evrimini simüle etmek bile 36 yıldan fazla gerçek zaman alacaktır. Ancak giderek daha fazla süper bilgisayar çekirdeği eklemek geçerli bir çözüm değil. Sadece inanılmaz miktarda enerji kullanmakla kalmıyorlar, aynı zamanda daha fazla çekirdek verimliliği azalttığı için süreci hızlandırmayacaktır.
Bu zorluğa yanıt olarak, Japonya’daki RIKEN Disiplinlerarası Teorik ve Matematik Bilimleri Merkezi’nden (iTHEMS) Keiya Hirashima, Tokyo Üniversitesi ve İspanya’daki Barselona Üniversitesi’nden meslektaşlarıyla birlikte, derin öğrenme vekil modelini fiziksel simülasyonlarla birleştiren yeni bir yaklaşım geliştirdi.
Taşıyıcı model, bir süpernovanın yüksek çözünürlüklü simülasyonları üzerinde eğitildi ve modelin geri kalanından gelen kaynakları kullanmadan, bir süpernova patlamasından sonraki 100.000 yıl içinde çevredeki gazın nasıl genişleyeceğini tahmin etmeyi öğrendi. Bu yapay zeka kısayolu, simülasyonun galaksinin genel dinamiklerinin yanı sıra süpernova patlamaları gibi ince ölçekli olayları eşzamanlı olarak modellemesine olanak sağladı.
Simülasyonun performansını doğrulamak için ekip, çıktıyı RIKEN’in süper bilgisayarı Fugaku ve Tokyo Üniversitesi’nin Miyabi Süper Bilgisayar Sistemini kullanan büyük ölçekli testlerle karşılaştırdı.
Çığır açan sonuçlar ve daha geniş kapsamlı çıkarımlar
Yöntem, 100 milyardan fazla yıldızın bulunduğu büyük galaksilerde bireysel yıldız çözünürlüğüne izin vermekle kalmıyor, aynı zamanda 1 milyon yılı simüle etmek yalnızca 2,78 saat sürüyor. Bu da istenilen 1 milyar yılın 36 yılda değil, sadece 115 günde simüle edilebileceği anlamına geliyor.
Astrofiziğin ötesinde bu yaklaşım, simülasyonların hem küçük hem de büyük ölçekli süreçleri birbirine bağlaması gereken hava durumu, okyanus ve iklim bilimi gibi diğer çok ölçekli simülasyonları dönüştürebilir.
Hirashima, “Yapay zekayı yüksek performanslı bilgi işlemle entegre etmenin, hesaplamalı bilimlerde çok ölçekli, çok fizikli sorunları çözme şeklimizde temel bir değişime işaret ettiğine inanıyorum” diyor.
“Bu başarı aynı zamanda yapay zeka ile hızlandırılmış simülasyonların desen tanımanın ötesine geçip bilimsel keşif için gerçek bir araç haline gelebileceğini gösteriyor; bu da yaşamı oluşturan öğelerin galaksimizde nasıl ortaya çıktığını izlememize yardımcı oluyor.”
