वाशिंगटन डीसी (यूएस), 17 नवंबर (एएनआई): शोधकर्ताओं ने उच्च-रिज़ॉल्यूशन भौतिकी के साथ गहन शिक्षण को जोड़कर पहला मिल्की वे मॉडल बनाया जो व्यक्तिगत रूप से 100 अरब से अधिक सितारों को ट्रैक करता है।
जापान में RIKEN सेंटर फॉर इंटरडिसिप्लिनरी सैद्धांतिक और गणितीय विज्ञान (iTHEMS) में केइया हिराशिमा के नेतृत्व में शोधकर्ताओं ने, टोक्यो विश्वविद्यालय और स्पेन में यूनिवर्सिटेट डी बार्सिलोना के भागीदारों के साथ काम करते हुए, पहला मिल्की वे सिमुलेशन बनाया है जो विकास के 10 हजार वर्षों में 100 बिलियन से अधिक व्यक्तिगत सितारों को ट्रैक करने में सक्षम है।
उनके एआई ने सीखा कि सुपरनोवा के बाद गैस कैसे व्यवहार करती है, जिससे गैलेक्टिक मॉडलिंग में सबसे बड़ी कम्प्यूटेशनल बाधाओं में से एक को हटा दिया गया है। इसका परिणाम मौजूदा तरीकों की तुलना में सैकड़ों गुना तेज अनुकरण है।
टीम ने कृत्रिम बुद्धिमत्ता (एआई) को उन्नत संख्यात्मक सिमुलेशन तकनीकों के साथ जोड़कर यह उपलब्धि हासिल की।
उनके मॉडल में पहले के सबसे परिष्कृत सिमुलेशन की तुलना में 100 गुना अधिक तारे शामिल हैं और यह 100 गुना से भी अधिक तेजी से उत्पन्न हुआ था।
अंतर्राष्ट्रीय सुपरकंप्यूटिंग सम्मेलन एससी ’25 में प्रस्तुत किया गया कार्य, खगोल भौतिकी, उच्च-प्रदर्शन कंप्यूटिंग और एआई-सहायता प्राप्त मॉडलिंग के लिए एक बड़ा कदम है।
यही रणनीति जलवायु और मौसम अनुसंधान सहित बड़े पैमाने पर पृथ्वी प्रणाली अध्ययनों पर भी लागू की जा सकती है।
वैज्ञानिक पहले एकल तारे के स्तर पर बारीक विवरण बनाए रखते हुए आकाशगंगा जितनी बड़ी आकाशगंगा का मॉडल बनाने में सक्षम नहीं हुए हैं।
वर्तमान अत्याधुनिक सिमुलेशन लगभग एक अरब सूर्य के बराबर द्रव्यमान वाले सिस्टम का प्रतिनिधित्व कर सकते हैं, जो आकाशगंगा बनाने वाले 100 अरब से अधिक सितारों से काफी कम है।
परिणामस्वरूप, उन मॉडलों में सबसे छोटा “कण” आमतौर पर लगभग 100 सितारों के समूह का प्रतिनिधित्व करता है, जो व्यक्तिगत सितारों के व्यवहार को औसत करता है और छोटे पैमाने की प्रक्रियाओं की सटीकता को सीमित करता है।
चुनौती कम्प्यूटेशनल चरणों के बीच के अंतराल से जुड़ी है: सुपरनोवा विकास जैसी तीव्र घटनाओं को पकड़ने के लिए, सिमुलेशन को बहुत कम समय वृद्धि में आगे बढ़ना होगा।
टाइमस्टेप को छोटा करने का अर्थ नाटकीय रूप से अधिक कम्प्यूटेशनल प्रयास है। यहां तक कि आज के सर्वोत्तम भौतिकी-आधारित मॉडलों के साथ भी, आकाशगंगा के तारे द्वारा आकाशगंगा का अनुकरण करने के लिए प्रत्येक 1 मिलियन वर्षों के आकाशगंगा विकास के लिए लगभग 315 घंटे की आवश्यकता होगी।
उस दर पर, 1 अरब वर्षों की गतिविधि उत्पन्न करने में 36 वर्षों से अधिक का वास्तविक समय लगेगा। केवल अधिक सुपरकंप्यूटर कोर जोड़ना एक व्यावहारिक समाधान नहीं है, क्योंकि अधिक कोर जुड़ने से ऊर्जा का उपयोग अत्यधिक हो जाता है और दक्षता कम हो जाती है।
एक नया गहन शिक्षण दृष्टिकोण
इन बाधाओं को दूर करने के लिए, हिराशिमा और उनकी टीम ने एक ऐसी विधि तैयार की जो मानक भौतिक सिमुलेशन के साथ एक गहन शिक्षण सरोगेट मॉडल को मिश्रित करती है।
सरोगेट को उच्च-रिज़ॉल्यूशन सुपरनोवा सिमुलेशन का उपयोग करके प्रशिक्षित किया गया था और यह भविष्यवाणी करना सीखा था कि मुख्य सिमुलेशन से अतिरिक्त संसाधनों की आवश्यकता के बिना सुपरनोवा विस्फोट के बाद 100,000 वर्षों के दौरान गैस कैसे फैलती है।
इस एआई घटक ने शोधकर्ताओं को व्यक्तिगत सुपरनोवा के बारीक विवरण सहित छोटे पैमाने की घटनाओं का मॉडलिंग करते हुए आकाशगंगा के समग्र व्यवहार को पकड़ने की अनुमति दी।
टीम ने RIKEN के फुगाकू सुपरकंप्यूटर और टोक्यो विश्वविद्यालय के मियाबी सुपरकंप्यूटर सिस्टम पर बड़े पैमाने पर चलने के मुकाबले अपने परिणामों की तुलना करके दृष्टिकोण को मान्य किया।
यह हाइब्रिड एआई दृष्टिकोण कम्प्यूटेशनल विज्ञान के कई क्षेत्रों को नया आकार दे सकता है जिसके लिए छोटे पैमाने के भौतिकी को बड़े पैमाने के व्यवहार के साथ जोड़ने की आवश्यकता होती है।
मौसम विज्ञान, समुद्र विज्ञान और जलवायु मॉडलिंग जैसे क्षेत्रों को समान चुनौतियों का सामना करना पड़ता है और जटिल, बहु-स्तरीय सिमुलेशन में तेजी लाने वाले उपकरणों से लाभ हो सकता है।
हिराशिमा कहती हैं, “मेरा मानना है कि एआई को उच्च-प्रदर्शन कंप्यूटिंग के साथ एकीकृत करना हमारे कम्प्यूटेशनल विज्ञान में बहु-स्तरीय, बहु-भौतिकी समस्याओं से निपटने के तरीके में एक मौलिक बदलाव का प्रतीक है।”
हिराशिमा ने कहा, “इस उपलब्धि से यह भी पता चलता है कि एआई-त्वरित सिमुलेशन वैज्ञानिक खोज के लिए एक वास्तविक उपकरण बनने के लिए पैटर्न पहचान से आगे बढ़ सकता है – हमें यह पता लगाने में मदद करता है कि जीवन का निर्माण करने वाले तत्व हमारी आकाशगंगा के भीतर कैसे उभरे।” (एएनआई)
(यह सामग्री एक सिंडिकेटेड फ़ीड से ली गई है और प्राप्त होने पर प्रकाशित की जाती है। ट्रिब्यून इसकी सटीकता, पूर्णता या सामग्री के लिए कोई जिम्मेदारी या दायित्व नहीं लेता है।)
(टैग्सटूट्रांसलेट)एआई मॉडलिंग(टी)डीप लर्निंग(टी)एंटरटेनमेंट(टी)मिल्की वे सिमुलेशन

