原標題：一種新的方法將模擬宇宙的速度提高了1000倍

宇宙學家特別喜歡模擬宇宙。即使是覆蓋數億光年的模型，對於理解宇宙學和早期宇宙的基本方面也很有用。但只有一個問題 —— 它們的計算量太大了。一個5億光年的宇宙區域可能需要3周多的時間來模擬。現在，來自“熨斗研究院（Flatiron Institute）”的科學家已經開發出一種方法，可以將這些巨型模型的模擬速度提高1000倍。這個5億光年的星帶可以在36分鐘內模擬完成。

其實，舊的算法花了那麼長的時間，部分原因是權衡。原有的模型既可以模擬非常詳細、非常小的宇宙部分，也可以模擬細節模糊的更大的宇宙部分。它們既可以提供高分辨率，也可以提供大面積的研究區域，但兩者不能兼得。

爲了克服這種二分法，科學家轉向了一種名爲“生成對抗網絡（GAN）”的人工智能技術。該算法將兩個相互競爭的算法重新定位，對這些算法進行細微變化的迭代，並判斷這些增量變化是否改進了算法。最終，經過足夠的迭代，這兩種算法都會自然地變得更加精確。

兩種算法被輸入到這個GAN中，它們有非常不同的目的。其中一組拍攝了宇宙一部分的低分辨率圖像，並試圖創造出符合觀察到的現實的高分辨率圖像。另一種算法試圖分辨宇宙的某一塊區域是由第一種算法創造的，還是使用更傳統、計算密集的方法創造的。

上圖：放大系統制作的各種分辨率級別的圖像。

最終，這些算法花了兩年多的時間開發、迭代，當它們“突然發揮作用”時，就連科學家們都感到驚訝。科學家們得到了比預期更匹配的漂亮結果。許多人工智能算法的內部工作原理甚至連創造它們的人都不能很好地理解。

上圖：GAN的流程圖。

無論這些算法最終成功的原因是什麼，目前，它們只用了傳統方法的一小部分時間就能提供始終如一逼真的模型。在盲測中，科學家們甚至都無法分辨模擬結果到底是他們自己的算法生成的，還是更傳統的方法生成的。

就跟很多科學研究一樣，下一步還有很多工作要做。目前，模擬只考慮了重力和暗物質。雖然，這兩部分可能是這些算法關注的大尺度結構的最大組成部分，但其他東西，如電磁力和正常物質，對宇宙也有着重要的影響。科學家團隊計劃將更多的開發時間集中在超新星和恆星形成等“較小”事件的建模上。

目前，他們的算法已經可以在很短的時間內提供大型、高分辨率的宇宙模型。這將爲世界各地的宇宙學家提供寶貴的幫助。

如果朋友們喜歡，敬請關注“知新了了”！