歡迎觀看本期【我】，在閱讀此文之前，麻煩您點擊一下“關注”，既方便您進行討論和分享，又能給您帶來不一樣的參與感，感謝您的支持。

日本理研聯(lián)合東京大學、巴塞羅那大學的團隊，最近在超級計算機大會上搞出了個大新聞。

他們把深度學習代理模型和傳統(tǒng)物理模擬湊到一起，弄出了首個能追蹤1000億顆恒星的銀河系仿真系統(tǒng)，速度比以前快了上百倍。

以前想把銀河系的恒星都仿真一遍，簡直是天方夜譚。

研究負責人平島圭也說這成果不只是天體物理的勝利，氣候模擬、材料科學這些領域都能用。

本來想傳統(tǒng)超算夠厲害就能搞定，后來發(fā)現(xiàn)根本不是這么回事。

日本的富岳超算峰值性能夠強吧，以前最多也就仿真百萬級恒星，這次直接跳到千億級，AI的功勞可太大了。

對比下美國加州理工學院去年的成果，人家只能追蹤500億顆恒星，仿真10億年演化要280天，而這個團隊只用115天。

如此看來，AI和物理模擬的結(jié)合，真的讓計算科學換了個賽道，AI不再是打下手的，反而成了科學發(fā)現(xiàn)的核心引擎。

以前仿真銀河系難在哪？銀河系里既有演化了數(shù)億年的引力場，又有超新星這種幾萬年內(nèi)就完成爆發(fā)的事件。

要同時算清楚這兩類過程，傳統(tǒng)方法得用極小的時間步長，計算量直接飆上天。

更麻煩的是，超新星爆發(fā)還會影響新恒星形成，傳統(tǒng)方法用一個粒子代表100顆恒星，細節(jié)全被抹平了，仿真結(jié)果和實際觀測差得遠。

研究團隊想了個巧招，他們先在富岳超算上跑了幾百次超新星爆發(fā)的高分辨率仿真，把10萬年內(nèi)的氣體變化都記下來，再用這些數(shù)據(jù)訓練AI。

等正式仿真時，主系統(tǒng)負責算大尺度的引力和氣體流動，遇到超新星爆發(fā)就喊AI來幫忙，AI毫秒級就能給出結(jié)果，以前傳統(tǒng)方法得算好幾個小時。

實測數(shù)據(jù)挺亮眼，700萬CPU核心一起發(fā)力，仿真100萬年銀河系演化只要2.78小時，比以前快了113倍。

這種效率提升太關鍵了，以前需要幾十年的研究，現(xiàn)在幾個月就能完成，科學家終于能放開手腳做實驗了。

這技術(shù)可不只給天文學家添助力，氣候科學里模擬云的形成，工程領域搞流體動力學仿真，材料科學做分子動力學研究，都能用這方法提效。

歐盟的氣候模型用類似技術(shù)后，預報準確率明顯提高，工業(yè)界也開始用它加速產(chǎn)品設計。

但問題也存在，AI代理模型得靠訓練數(shù)據(jù)撐著，遇到?jīng)]見過的極端條件，說不定就會出錯。

而且長時間仿真下來，小誤差慢慢攢起來，結(jié)果可能就跑偏了。

很顯然，解決這些問題得靠更全面的訓練數(shù)據(jù)，還有定期用物理模型校準。

詹姆斯?韋布空間望遠鏡已經(jīng)拍到了130億年前的早期星系，有了這個仿真系統(tǒng)，科學家就能結(jié)合觀測數(shù)據(jù)，重構(gòu)早期宇宙的演化路徑。

毫無疑問，AI和物理模擬的混合范式，已經(jīng)打開了數(shù)字宇宙學的大門。

這波技術(shù)突破不光解決了銀河系仿真的算力困局，還為其他學科提供了新工具。

雖然還有些挑戰(zhàn)要攻克，但未來科學家靠它搞出更多宇宙奧秘的發(fā)現(xiàn)，應該是板上釘釘?shù)氖隆?/p>

科學進步就是這樣，把以前不可能的事變成可能，這大概就是科研最迷人的地方吧。

支持作者，寫作不易！如果您喜歡我的文章，可以點個“關注”，成為鐵粉后能第一時間收到文章推送。