原标题：一种新的方法将模拟宇宙的速度提高了1000倍

宇宙学家特别喜欢模拟宇宙。即使是覆盖数亿光年的模型，对于理解宇宙学和早期宇宙的基本方面也很有用。但只有一个问题 —— 它们的计算量太大了。一个5亿光年的宇宙区域可能需要3周多的时间来模拟。现在，来自“熨斗研究院（Flatiron Institute）”的科学家已经开发出一种方法，可以将这些巨型模型的模拟速度提高1000倍。这个5亿光年的星带可以在36分钟内模拟完成。

其实，旧的算法花了那么长的时间，部分原因是权衡。原有的模型既可以模拟非常详细、非常小的宇宙部分，也可以模拟细节模糊的更大的宇宙部分。它们既可以提供高分辨率，也可以提供大面积的研究区域，但两者不能兼得。

为了克服这种二分法，科学家转向了一种名为“生成对抗网络（GAN）”的人工智能技术。该算法将两个相互竞争的算法重新定位，对这些算法进行细微变化的迭代，并判断这些增量变化是否改进了算法。最终，经过足够的迭代，这两种算法都会自然地变得更加精确。

两种算法被输入到这个GAN中，它们有非常不同的目的。其中一组拍摄了宇宙一部分的低分辨率图像，并试图创造出符合观察到的现实的高分辨率图像。另一种算法试图分辨宇宙的某一块区域是由第一种算法创造的，还是使用更传统、计算密集的方法创造的。

上图：放大系统制作的各种分辨率级别的图像。

最终，这些算法花了两年多的时间开发、迭代，当它们“突然发挥作用”时，就连科学家们都感到惊讶。科学家们得到了比预期更匹配的漂亮结果。许多人工智能算法的内部工作原理甚至连创造它们的人都不能很好地理解。

上图：GAN的流程图。

无论这些算法最终成功的原因是什么，目前，它们只用了传统方法的一小部分时间就能提供始终如一逼真的模型。在盲测中，科学家们甚至都无法分辨模拟结果到底是他们自己的算法生成的，还是更传统的方法生成的。

就跟很多科学研究一样，下一步还有很多工作要做。目前，模拟只考虑了重力和暗物质。虽然，这两部分可能是这些算法关注的大尺度结构的最大组成部分，但其他东西，如电磁力和正常物质，对宇宙也有着重要的影响。科学家团队计划将更多的开发时间集中在超新星和恒星形成等“较小”事件的建模上。

目前，他们的算法已经可以在很短的时间内提供大型、高分辨率的宇宙模型。这将为世界各地的宇宙学家提供宝贵的帮助。

如果朋友们喜欢，敬请关注“知新了了”！