راه‌شیری شبیه‌سازی‌شده: صد میلیارد ستاره با بهره‌گیری از هفت میلیون هسته پردازشی

توسط RIKEN

ویرایش شده توسط سادی هارلی، بازبینی شده توسط رابرت ایگان

یادداشت‌های ویراستاران

این مقاله مطابق با فرآیند و سیاست‌های ویرایشی Science X بازنگری شده است. ویراستاران ویژگی‌های زیر را برای تضمین اعتبار محتوا برجسته کرده‌اند:

بررسی صحت

منبع معتبر

بازخوانی

راه‌شیری شبیه‌سازی‌شده: صد میلیارد ستاره با بهره‌گیری از هفت میلیون هسته پردازشی
نماهای سرآمد (چپ) و جانبی (راست) از یک دیسک گازی کهکشانی. این نماهای توزیع گاز پس از انفجار ابرنواختر توسط مدل جایگزین یادگیری عمیق تولید شده‌اند. اعتبار: RIKEN

پژوهشگران با موفقیت اولین شبیه‌سازی راه‌شیری جهان را انجام داده‌اند که بیش از صد میلیارد ستارهٔ منفرد را به‌دقت در بازهٔ ده هزار سال نشان می‌دهد. این موفقیت با ترکیب هوش مصنوعی (AI) و شبیه‌سازی‌های عددی حاصل شد. این شبیه‌سازی نه تنها ستاره‌های منفرد را صد برابر بیشتر از مدل‌های پیشرفتهٔ پیشین نشان می‌دهد، بلکه بیش از صد برابر سریع‌تر تولید شده است.

مطروحه در نشریهٔ کنفرانس بین‌المللی محاسبات با کارایی بالا، شبکه‌سازی، ذخیره‌سازی و تحلیل، این مطالعه نقطه عطفی در تقاطع اخترفیزیک، محاسبات با کارایی بالا و هوش مصنوعی محسوب می‌شود. فراتر از اخترفیزیک، این روش نوین می‌تواند برای مدل‌سازی پدیده‌های دیگری مانند تغییرات آب و هوا و الگوهای جوی به کار رود.

چالش‌های شبیه‌سازی راه‌شیری

اختر‌دان‌ها در صدد ایجاد شبیه‌سازی‌ای از کهکشان راه‌شیری تا سطح ستاره‌های منفرد بوده‌اند که بتواند نظریه‌های تشکیل کهکشان، ساختار و تکامل ستارگان را در برابر مشاهدات واقعی آزمون کند. مدل‌های دقیق تکامل کهکشان دشوار هستند، زیرا باید گرانش، دینامیک سیالات، انفجارهای ابرنواختر، و سنتز عناصر را که هر یک در مقیاس‌های فضایی و زمانی بسیار متفاوت رخ می‌دهند، در نظر بگیرند.

تا کنون، دانشمندان نتوانسته‌اند کهکشانی بزرگ مانند راه‌شیری را مدلسازی کنند در حالی که وضوح سطح ستاره‌ای بالایی را حفظ کنند. شبیه‌سازی‌های پیشرفتهٔ کنونی حداکثر جرم حدود یک میلیارد خورشید را دارند، در حالی که راه‌شیری بیش از صد میلیارد ستاره دارد. این به این معناست که کوچک‌ترین «ذره» در مدل در واقع یک خوشهٔ ستاره‌ای با جرم معادل صد خورشید است. رفتار ستاره‌های منفرد به‌صورت میانگین‌گیری می‌شود و فقط رویدادهای بزرگ‌مقیاس می‌توانند به‌دقت شبیه‌سازی شوند.

مشکل اساسی، طول فاصلهٔ سالیانه بین هر گام شبیه‌سازی است — تغییرات سریع در سطح ستاره‌های منفرد، مانند تکامل ابرنواخترها، تنها زمانی قابل مشاهده است که زمان بین هر نما از کهکشان به‌قدر کافی کوتاه باشد.

محدودیت‌های محاسباتی و نیاز به نوآوری

اما، پردازش گام‌های زمانی کوچکتر زمان و منابع محاسباتی بیشتری می‌طلبد. علاوه بر محدودیت جرم در شبیه‌سازی‌های پیشرفتهٔ کنونی، اگر بهترین شبیه‌سازی فیزیکی سنتی تا به امروز سعی در شبیه‌سازی راه‌شیری تا سطح ستارهٔ منفرد داشته باشد، برای هر یک میلیون سال زمان شبیه‌سازی به ۳۱۵ ساعت نیاز دارد.

با این سرعت، شبیه‌سازی حتی یک میلیارد سال از تکامل کهکشان بیش از ۳۶ سال زمان واقعی می‌گیرد. اما افزودن هسته‌های بیشمار به ابرکامپیوترها راه حل مناسبی نیست. نه تنها این هسته‌ها مقدار عظیمی انرژی مصرف می‌کنند، بلکه به‌اضافه شدن بیشتر هسته‌ها لزوماً سرعت کار را افزایش نمی‌دهد، زیرا کارایی کاهش می‌یابد.

در پاسخ به این چالش، کییا هیراشیما از مرکز علوم نظری و ریاضی‌ میان‌رشته‌ای RIKEN (iTHEMS) در ژاپن، به همکاری همکاران دانشگاه توکیو و دانشگاه بارسلونا در اسپانیا، رویکرد جدیدی را توسعه داد که مدل جایگزین یادگیری عمیق را با شبیه‌سازی‌های فیزیکی ترکیب می‌کند.

مدل جایگزین بر روی شبیه‌سازی‌های با وضوح بالا از یک ابرنواختر آموزش دیده و توانست پیش‌بینی کند که چگونه گاز اطراف در ۱۰۰٬۰۰۰ سال پس از انفجار ابرنواختر گسترش می‌یابد، بدون اینکه از منابع بقیهٔ مدل استفاده شود. این راه‌حل هوش مصنوعی به شبیه‌سازی امکان داد که هم‌زمان دینامیک کلی کهکشان و پدیده‌های خرد‌مقیاس مانند انفجارهای ابرنواختر را مدل‌سازی کند.

برای ارزیابی عملکرد شبیه‌سازی، تیم خروجی را با آزمون‌های مقیاس‌ بزرگ با استفاده از ابرکامپیوتر فُگاگو از RIKEN و سیستم ابرکامپیوتر میابای دانشگاه توکیو مقایسه کرد.

نتایج پیشگامانه و پیامدهای گسترده‌تر

این روش نه تنها امکان وضوح ستارهٔ منفرد را در کهکشان‌های بزرگ با بیش از صد میلیارد ستاره فراهم می‌کند، بلکه شبیه‌سازی یک میلیون سال تنها ۲٫۷۸ ساعت زمان برد. این بدان معناست که یک میلیارد سال موردنظر می‌تواند در تنها ۱۱۵ روز شبیه‌سازی شود، نه ۳۶ سال.

فراتر از اخترفیزیک، این رویکرد می‌تواند شبیه‌سازی‌های چند‌مقیاسی دیگری را که در زمینه‌های هواشناسی، اقیانوس‌شناسی و علم اقلیم انجام می‌شود، که نیاز به ارتباط بین فرآیندهای کوچک‌مقیاس و بزرگ‌مقیاس دارند، متحول کند.

«من معتقدم ادغام هوش مصنوعی با محاسبات با کارایی بالا، نقطهٔ تحول اساسی در نحوه مواجهه ما با مسایل چند‌مقیاس و چند‌فیزیکی در علوم محاسباتی است»، می‌گوید هیراشیما.

«این دستاورد نشان می‌دهد که شبیه‌سازی‌های تسریع‌شده توسط هوش مصنوعی می‌توانند فراتر از شناخت الگوها رفته و به ابزار واقعی برای کشف علمی تبدیل شوند — به ما کمک می‌کند تا مسیر پیدایش عناصری که زندگی را شکل دادند، درون کهکشانمان پیگیری کنیم.»

اطلاعات بیشتر: کییا هیراشیما و همکاران، اولین شبیه‌سازی N-body/هیدرودینامیک ستاره‌به‌ستارهٔ کهکشان ما با ترکیب مدل جایگزین، نشریهٔ کنفرانس بین‌المللی محاسبات با کارایی بالا، شبکه‌سازی، ذخیره‌سازی و تحلیل (2025). DOI: 10.1145/3712285.3759866

ارائه شده توسط RIKEN

© Phys.org 2003 – 2025. تمامی حقوق محفوظ است.

دیدگاه‌ خود را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

پیمایش به بالا