利用基于GPU的AI模拟一个现实宇宙 仅需36分钟

科学家们已经习惯了使用超级计算机来处理宇宙学领域的海量数据。最近，卡内基梅隆大学的研究团队发现了一种新的方法，可以使用常规的机器学习技术(与AI绘画或构图具有相同的底层设计)在图形处理单元(GPU)上实现高级模拟能力。

这个名为“这个人不存在”的研究项目试图利用众所周知的硬件和神经网络技术，以高分辨率模拟我们真实的宇宙。这项前瞻性的研究可能会彻底改变我们认识宇宙和理解物理规律的方式。

根据研究团队的说法，使用传统方法在单个处理核心上运行宇宙学模拟大约需要23天。因此，研究人员倾向于使用超级计算机来完成这样的模拟任务。之所以如此困难，是因为物理学仍然充满着未解决的基本问题。我们找不到一套可以解释整个宇宙的统一规则，科学家也不知道如何将经典物理定律与量子领域观察到的现象联系起来。

为此，我们必须努力探索。说到预测宇宙中暗物质的数量，科学家们必须尝试不同的预设值。只有反复试错，才能最终得到更接近真实情况的结果。科学家们开始用太空望远镜等数据源模拟和检查发现的观测结果，然后再进行模拟和再次检查等等。

问题所在

超级计算机的成功率极高，租一个小时往往要几千块钱。与单个GPU的低功耗水平相比，超级计算机就像一个燃烧的大火炉。

因此，对于这类需要反复实验的问题，超级计算机显然不是最好的解决方案。

路在何方

研究人员将问题归结为：目前，我们可以先用高分辨率模拟宇宙中的小图像，然后在大的模拟区域中将其转换为低分辨率图像。至于大面积的高分辨率图像处理，我们必须谨慎，因为这将消耗大量的时间、精力和精力。

但是这种情况就相当于在模拟整个宇宙的时候设置了一个不可逾越的鸿沟。穿过护城河的桥是AI。

卡耐基梅隆大学团队选择的方案，并不是教AI以编程的方式模拟整个宇宙(仍然可以设置无穷多个变量)，而是直接以高分辨率模拟图像。

这大大提高了仿真效率。改善了多少？卡内基梅隆大学的Jocelyn Duffy说：训练好的代码可以获取完整的低分辨率模型，并进行超高分辨率模拟，将其中包含的粒子数量扩大了512倍。对于直径约5亿光年、粒子数1.34亿的宇宙区域，原方法需要560个小时才能在单个处理核上完成高分辨率模拟。使用新方法后，研究人员只需要36分钟。在模拟过程中添加更多粒子后，效果变得更加显著。对于包含1340亿个粒子的“1000亿”宇宙(与之前的用例相比)，研究人员的新方法可以在单个图形处理单元中仅用16小时进行处理。如果用原来的方法，这种规模和分辨率的模拟必须用专门的超级计算机来协调，处理时间将达到几个月。

这并不是说AI真的可以“理解”我们无法到达的宇宙。相反，它只是以令人信服的方式将低分辨率模拟图像扩展为高分辨率形式，帮助科学家以更少的时间、精力和精力投入获得可靠的模拟结果。

本质上，这就像是给AI提供一个电影的拆分稿，然后输出真实电影的具体外观。虽然不完美，但在一定的保真度水平下可以省去实拍的麻烦。

实际过程当然比本文描述的要复杂得多。幸运的是，模拟的宇宙图像更容易验证，我们可以直接将结果与观测数据进行比较。唯一的谜团是我们不知道AI模型是如何填充的。

这一最新成果将宇宙学模拟从超级计算机的专利变成了完全可以在游戏PC上运行的“小盒子”。研究者也可以快速检验自己的灵感，促进模拟能力的普及。

从乐观的角度来看，这项研究有望彻底改变我们观察真实宇宙的方式。运气好的话，我们或许能更好地解释暗物质的原理、引力效应，甚至宇宙的起源。