10 bin yıllık süreçte 100 milyardan fazla yıldızın tek tek izlenebildiği model, astrofizikçilerin onlarca yıldır ulaşmak istediği çözünürlük seviyesine erişti.
Daha önceki en gelişmiş modeller, yıldızları büyük kümeler hâlinde ele alıyor, böylece galaksilerin nasıl şekillendiğine yön veren küçük ölçekli fiziksel süreçler görünmez hâle geliyordu. Yeni yöntem ise bu yaklaşımı kökten değiştiriyor.
Derin öğrenme ile klasik fizik tabanlı modellerin birleştirilmesi sayesinde araştırmacılar, önceki tekniklere kıyasla 100 kat daha hızlı çalışan ve 100 kat daha fazla yıldızı içeren galaksi ölçekli bir simülasyon geliştirmeyi başardı.
Samanyolu’nun nasıl oluştuğunu ve evrimleştiğini anlamak için, bilim insanlarının hem dev spiral yapıyı hem de tekil yıldızların ve süpernovaların davranışlarını yakalayabilen modellere ihtiyacı var. Ancak yerçekimi, gaz dinamikleri, kimyasal zenginleşme ve yıldız patlamaları gibi süreçler çok farklı zaman ölçeklerinde gerçekleşiyor. Süpernova gibi hızlı olayları yakalayabilmek için simülasyonun çok küçük zaman adımlarıyla ilerlemesi gerekiyor ve bu, bilgisayar gücü açısından yıllar süren bir hesaplama yükü anlamına geliyor.
Japonya’daki RIKEN iTHEMS Merkezi’nden Keiya Hirashima liderliğinde, Tokyo Üniversitesi ve Barselona Üniversitesi’nden bilim insanlarının ortak yürüttüğü çalışma, bu zorluğu aşmak için derin öğrenme tabanlı bir ara model geliştirdi. Süpernovaların yüksek çözünürlüklü davranış verileriyle eğitilen yapay zekâ, patlama sonrası 100 bin yıllık gaz dağılımını öngörmeyi öğrendi. Böylece ana simülasyon çok daha hızlı ilerlerken, süpernova detayları korunmuş oldu.
Yöntem, Japonya’nın Fugaku süperbilgisayarı ve Tokyo Üniversitesi’nin Miyabi sistemi kullanılarak doğrulandı. Ortaya çıkan sonuç: Tek tek yıldız çözünürlüğünde çalışan tam ölçekli bir Samanyolu simülasyonu. Artık galaksinin bir milyon yıllık evrimi yalnızca 2,78 saatte modellenebiliyor; bu da bir milyar yıllık sürecin 36 yıl yerine yaklaşık 115 günde tamamlanabileceği anlamına geliyor.
Çalışmanın etkisi astrofizikle sınırlı değil. Araştırma ekibi, bu hibrit yapay zekâ–fizik yönteminin evrenin büyük ölçekli yapı oluşumu, kara delik çevresindeki madde akışı ve hatta hava durumu, iklim ve türbülans simülasyonlarında da kullanılabileceğini belirtiyor. Bu tür modellerin hem daha hızlı hem de daha doğru hâle gelebileceği ifade ediliyor.
Hirashima “Yapay zekânın yüksek performanslı hesaplama ile birleşmesi, çok ölçekli ve çoklu fizik içeren sorunları ele alış biçimimizi kökten değiştiriyor.” derken, bu yaklaşımın yalnızca kalıp tanıma değil, gerçek bilimsel keşiflerin kapısını açtığını vurgulayarak “Bu yöntem, yaşamın yapıtaşlarını oluşturan elementlerin galaksimizde nasıl ortaya çıktığını izlememize bile yardımcı olabilir.” ifadelerini kullandı.
Araştırma ekibi şimdi yöntemi daha da ölçeklendirmeyi ve yeryüzü sistemlerinin modellenmesinde de uygulamayı hedefliyor. (İLKHA)