.Първата по рода си симулация на изкуствен интелект на Вселената изглежда работи като истинската и е почти толкова загадъчна.

Изследователите съобщават за новата симулация в Proceedings of the National Academy of Sciences. Целта била да се създаде виртуална версия на космоса, за да се симулират различни условия за началото на Вселената, но учените се надяват да изучат и собствената си симулация, за да разберат защо работи толкова добре.

"Това е като да обучиш софтуер да разпознава изображения с много снимки на котки и кучета, но след това да е в състояние да разпознава слоновете", коментира съавторът на изследването Шърли Хо, теоретичен астрофизик в Центъра за изчислителна астрофизика в Ню Йорк. "Никой не знае как го прави и това е голяма загадка, която трябва да бъде решена"

Симулиране на Вселената
Като се има предвид огромната възраст и размер на Вселената, разбирането за нейното образуване е трудна задача. Един от инструментите в астрофизичния инструментариум е компютърното моделиране. Традиционните модели изискват много изчислителна мощност и време, тъй като  може да се наложи астрофизиците да пуснат хиляди симулации, променяйки различни параметри, за да определят кой е най-вероятният сценарий в реалния свят.

Хо и колеги създават дълбока невронна мрежа, за да ускорят процеса. Този невронна мрежа, наречена Deep Density Displacement Model или D ^ 3M, е предназначена да разпознава общите характеристики в данните и да "се учи" с времето как да манипулира тези данни. В случая с D ^ 3M, изследователите въвели 8000 симулации от високоточен традиционен компютърен модел на Вселената. След като D ^ 3M научил как работят тези симулации, изследователите въвели съвсем нова, никога невиждана симулация на виртуална Вселена с форма на куб със страна 600 милиона светлинни години. (Истинската наблюдавана Вселена е около 93 милиарда светлинни години.)

Невронната мрежа успява да изпълни симулации в тази нова вселена, точно както в набора от 8000 симулации, използвани за обучението. Симулациите били фокусирани върху ролята на гравитацията във формирането на Вселената. Това, което е изненадващо, казва Хо, е, че когато изследователите променят съвсем нови параметри, като количеството тъмна материя във виртуалната вселена, D ^ 3M продължил да се справя със симулациите, въпреки че никога не е бил обучаван как да се справя с вариации на тъмната материя.

Компютри и космология
Тази способност на D ^ 3M е загадка, каза Хо, и прави интригуващата симулация както за дигиталната наука, така и за космологията.

"Можем да бъдем интересен експериментален полигон за машинно обучение, за да се разбере защо този модел екстраполира толкова добре, защо екстраполира към слонове, вместо просто да разпознава котки и кучета", казва тя, цитирана от LiveScience. "Това е двупосочна улица между науката и дълбокото обучение."

Моделът може също така да спести време на изследователите, които се интересуват от произхода на Вселената. Новата невронна мрежа може да завърши симулации за 30 милисекунди, в сравнение с няколко минути при най-бързия метод за симулация с изкуствен интелект. Мрежата също така има процент на грешки от 2,8% в сравнение с 9,3% за съществуващия най-бърз модел. (Тези проценти на грешки се сравнени със златния стандарт за точност, модел, който отнема стотици часа за всяка симулация.)

Изследователите сега планират да променят други параметри в новата невронна мрежа, като изследват как фактори като хидродинамиката или движението на флуиди и газове може да са оформили образуването на Вселената.