AIの「ショートカット」がシミュレーションを数十億倍高速化

[[314916]]

シミュレーターは、NASA がエアロゾル モデルを使用してオーストラリアの火災による煙の分布を示すシミュレーションなどのシミュレーションを高速化します。画像提供: NASA

最速のスーパーコンピューターでも、大気のもやが気候にどのような影響を与えるかといった複雑な自然現象をシミュレートするには何時間もかかることがあります。すぐにシミュレーションできるアルゴリズムとして、シミュレーターは間違いなくショートカットを提供します。プレプリントサーバーarXivに最近公開された研究によると、人工知能はあらゆる科学分野のシミュレーションを数十億倍高速化できる正確なシミュレーターを簡単に生成できることが示されています。

「これは大きなことだ」と、ワシントン D.C. のローレンス・リバモア国立研究所で気候シミュレーションを監督するドナルド・ルーカス氏は言う。同氏はこの研究には関わっていない。新システムによって自動的に作成されるシミュレーターは、同氏のチームが設計し訓練したシミュレーターよりも性能が高く、速度も速い。新しいシミュレーターを使用すると、シミュレートするモデルを改善し、科学者が実験施設を最大限に活用できるようになります。この研究が査読に耐えれば、「状況は大きく変わるだろう」とルーカス氏は言う。

典型的なコンピューター シミュレーションでは、物理的な力が特定の瞬間に原子、雲、さらには銀河にどのように影響するかを計算します。このシミュレーターは、機械学習と呼ばれる人工知能の一種に基づいています。完全なシミュレーションの入力と出力が与えられると、シミュレーターはパターンを探し、シミュレートされたプログラムが新しい入力を処理する方法を推測することを学習します。

新しいシミュレーターはニューラル ネットワーク (脳の配線にヒントを得た機械学習システム) に基づいており、シミュレーションによるトレーニングはほとんど必要ありません。ニューラル アーキテクチャ検索と呼ばれる技術により、特定のタスクに対して最もデータ効率の高い接続パターンを特定できます。

この技術は、Deep Emulator Network Search (DENSE) と呼ばれ、スタンフォード大学のコンピューター科学者メロディ・グアン氏が開発した一般的なニューラルアーキテクチャ検索を利用しています。ネットワークの入力と出力の間に計算レイヤーをランダムに挿入し、結果として得られる回路を限られたデータでテストおよびトレーニングします。追加された計算レイヤーによってパフォーマンスが向上する場合、将来のエミュレータの変更に含めるために選択される可能性が高く、このプロセスを繰り返すことでエミュレータを改善できます。

グアン氏は、自分の研究が「科学的発見」に利用されているのを見るのは「とても興奮する」と語った。この研究を率いた英国オックスフォード大学の物理学者ムハマド・カシム氏は、正確さと効率性のバランスが取れているため、自分のチームがグアン氏の研究を基に研究を進めたと語る。

研究者たちは、DENSE テクノロジーを使用して、物理学、天文学、地質学、気候科学の分野向けに 10 個のシミュレーターを開発しました。 DENSE のシミュレーターは、他のシミュレーターよりも 10 万倍から 20 億倍の速度で動作します。さらに、シミュレーターは非常に正確で、天文シミュレーターの結果は完全なシミュレーションと 99.9 パーセント以上一致し、10 回のシミュレーションでは、ニューラル ネットワーク シミュレーターは従来のシミュレーターよりもはるかに優れたパフォーマンスを発揮しました。

カシム氏は、DENSE テクノロジーにより研究者はデータをリアルタイムで分析できるようになり、時間を節約できる可能性があると述べています。 「DENSE シミュレーターは、実験を修正するのに十分な速さでデータを解釈できます。将来的には、現場での分析に使用できるようになることを期待しています。」