Mivel sem sokmilliárd évre, sem percekre nem utazhatunk vissza az időben, legalábbis egyelőre még biztosan nem, ha meg akarjuk érteni világegyetemünk fejlődését, a számítógépes szimuláció az egyik legjobb módszer rá. A folyamathoz a rendelkezésünkre álló jelenlegi ismereteket használjuk fel.
Ezek a szimulációk általában két kategóriába sorolhatók: vagy lassúak, de pontosabbak, vagy gyorsak, viszont kevésbé pontosak. Egy nemzetközi (amerikai, japán, kanadai) kutatócsoport meg akarta oldani a problémát, és gyorsan, de egyben nagyon pontos, 3D szimulációkat generáló mesterséges intelligenciát fejlesztett. A rendszer azokkal a paraméterekkel is elboldogul, amelyekkel előzetesen egyáltalán nem gyakorolt.
„Nagyjából arról van szó, mintha egy képfelismerő szoftvert macskák és kutyák fényképeivel tanítanánk, aztán felismerné az elefántot. Senki nem tudja, hogyan csinálja az MI, és a rejtélyt meg kell oldani” – magyarázza Shirley Ho, az egyik kutató.
A Mély Sűrűségelmozdítás Modell (D3M) szimulátort arra tanították, hogy ugyanúgy modellezze a világegyetemet, mint ahogy a gravitáció formálja azt. Meglévő nagyon pontos univerzum-szimulátorok által generált 8 ezer gravitáció-központú szimulációt tápláltak bele.
A rendszernek 300 számítási óra kellett az első saját szimulációjához. Az adatokkal való gyakorlást követően egy kocka-világegyetem 600 millió fényévét megjelenítő szimulációt mindössze 30 milliszekundum alatt hozott létre. Az eredmények pontosabbak, mint a mai gyors rendszereké, amelyeknek egyébként nem milliszekundumok, hanem néhány perc kell egy modellhez.
A D3M-nek azonban nem a gyorsaság a legfigyelemreméltóbb tulajdonsága, hanem az, hogy számára korábban ismeretlen paraméterekkel dolgozva is pontosan megjeleníti az univerzumot. Tehát akkor sem hibázik, ha a kutatók menetközben változtatnak az adatokon, és teljesen újakkal kell végrehajtania a feladatot. Például módosítanak a világegyetemben lévő sötét anyag mennyiségén, mire D3M így is pontosan szimulálja a kozmikus evolúciót.
A rendszer szokatlan viselkedése nemcsak fizikusokat segít a világegyetem megértésében, hanem potenciálisan számítástudományi szakemberek is jobban érthetik a mesterséges intelligenciát.
„Izgalmas lehet egy gépitanulás-specialistának, hogy a látja, milyen pontosan extrapolál a modell, miért ismer fel macskák és kutyák mellett elefántokat is. A fizika és a mélytanulás közti kétirányú útról van szó” – összegez Ho.