Se você acha que uma galáxia é grande, compare -a com o tamanho do universo: é simplesmente um ponto pequeno que cria aglomerados com um grande número de outros pequenos pontos que são combinados no SuperCluster, o que resulta no filamento do vazio com os filamentos com vazios – um enorme esqueleto em 3D do nosso universo.
Se isso lhe dar uma vertigem e você está se perguntando como alguém pode entender ou até “ver” algo tão maior que a resposta é: não é fácil. Os cientistas combinam a física do universo com os dados de instrumentos astronômicos e modelos teóricos, como Eftofls (teoria do campo eficaz da estrutura de grande escala). Alimentando -se com observação, esses modelos estão descrevendo estatisticamente a “Web cósmica” e permitindo que seus parâmetros originais estimassem.
Modelos como o EFTOFLSS, no entanto, exigem muito tempo e recursos de computação. Como nossos conjuntos de dados astronômicos de descarte estão aumentando significativamente, precisamos de maneiras de aliviar a análise sem perder nossa precisão. É por isso que existem emuladores: “imitam” como eles reagem aos modelos, mas funcionam mais rapidamente.
Como é um “atalho”, qual é o risco de perder a precisão? Entre outros, uma equipe internacional, incluindo INAF (Itália), a Universidade de Parma (Itália) e a Universidade de Waterloo (Canadá), foi publicada no Journal of Cosmology and Astro Partical Physics (JCAP), que eles testaram pela tentativa de emulador. A tentativa que mostra isso. JL fornece a mesma precisão que o modelo que imita até detalhes sutis – às vezes enquanto executa em alguns minutos em vez de um super computador.
“Imagine que um copo de teor de água no nível de seu material microscópico é estudar, separar átomos ou menores: você pode por teoria. Mas se quisermos descrever o que acontece quando movemos a água, o crescimento explosivo do cálculo necessário torna impossível” Jal Boni, uma universidade de pesquisa de uma universidade de pesquisa e o primeiro autor de sua universidade de pesquisa. “No entanto, você pode codificar características específicas no nível microscópico e ver seus efeitos no nível macroscópico, a saber, o movimento do fluido de vidro. Ele faz uma teoria de campo eficaz, ou seja, um modelo como EFTFLs, onde a água é uma escala muito grande e componentes microscópicos.
O modelo teórico explica estatisticamente a estrutura que dá origem aos dados coletados: as observações astronômicas são alimentadas com o código, que calcula uma “previsão”. No entanto, requer tempo e contagem suficiente. Dando o volume de dados de hoje – e a partir de pesquisas que serão iniciadas ou em breve (como Desi, que já lançaram seus primeiros dados em lote e euclides) – não é totalmente prático fazê -lo sempre.
“É por isso que agora voltamos aos emuladores como nós, que podem ser cortados com o tempo e os recursos severamente”, disse Bonnie More. Um emulador basicamente duplica o que o modelo faz: o núcleo é uma rede neural que já aprendeu a conectar os parâmetros de entrada à previsão do modelo para o computador. A rede é treinada na saída do modelo e após o treinamento, pode generalizar em combinação com parâmetros que não o viram. O emulador não entende a própria física: sabe muito bem as reações do modelo teórico e pode adivinhar o que a saída para a nova entrada. A originalidade do JL é que ela é usada para reduzir o episódio de treinamento, criando o conhecimento do algoritmo já contido em como os parâmetros mudam. Os gradientes de esforço.JL também usam – por exemplo, “quanto e quais” as previsões são alteradas se você twittar uma pequena quantidade de parâmetro – outro ingrediente que ajuda o emulador a aprender com menos exemplos, cortar requisitos de cálculo e permitir que ele seja executado em máquinas menores.
Uma ferramenta como essa requer validade extensa: se o emulador não conhece a física, como temos certeza de que seu atalho fornece a resposta correta (por exemplo, o modelo dará da mesma maneira)? A resposta de estudo recém -publicada é exatamente o que é. A precisão da JL – dados simulados e reais – estão em contratos próximos com o modelo. “E em alguns casos, em que você precisa aparar a parte da análise com o modelo, com o esforço, conseguimos incluir essas peças que faltavam”, terminou Bonnie. As tentativas.JL surgiram assim como um aliado valioso para a análise da liberação de dados de testes como nativo e euclídeo, que promete aprofundar nosso conhecimento sobre o universo em escalas em larga escala.
“Tent.jl: Um emulador rápido e distinto para a teoria de campo efetiva da estrutura de tamanho maior do universo” está disponível por Marco Bonny, Guido d’Ammo, Julien Bell e Carmelita Carbone Journal of Cosmology and Astro Partical Physics (JCAP)O
