GPU ベースの AI を使用して、わずか 36 分で実際の宇宙をシミュレートする

GPU ベースの AI を使用して、わずか 36 分で実際の宇宙をシミュレートする

科学者たちはすでに宇宙論の分野で大量のデータを処理するためにスーパーコンピュータを使用することに慣れていますが、カーネギーメロン大学の研究チームは最近、従来の機械学習技術(AIによる絵画や音楽の作曲と同じ基本設計)を使用してグラフィックス処理装置(GPU)で高度なシミュレーション機能を実現する新しい方法を発見しました。

「この人は存在しない」と呼ばれるこの研究プロジェクトは、よく知られたハードウェアとニューラルネットワーク技術を使用して、現実の宇宙を高解像度でシミュレートしようとするものである。この先見性のある研究は、私たちが宇宙や物理法則を理解する方法を完全に変えるかもしれません。

[[400806]]

研究チームによれば、従来の方法を使用して単一の処理コアで宇宙論シミュレーションを実行するには約23日かかるという。そのため、研究者はこのようなシミュレーションタスクを完了するためにスーパーコンピュータを使用する傾向があります。これが非常に難しい理由は、物理学には未解決の根本的な疑問がまだたくさんあるからです。宇宙全体を説明できる統一された一連のルールを見つけることはできず、科学者は古典物理学の法則と量子領域で観察される現象とをどう結び付けるかを知りません。

そのためには、一生懸命に探究しなければなりません。宇宙の暗黒物質の量を予測するなどの難しい問題になると、科学者はさまざまな設定値を試す必要があります。試行錯誤を繰り返すことで、最終的にはより実際の状況に近い結果が得られます。科学者たちはシミュレーションを実行し、宇宙望遠鏡やその他の観測データソースでその結果を確認し、その後再びシミュレーションを実行して再度確認するという作業を何度も繰り返しました。

問題

スーパーコンピューターは成功率が非常に高く、1 時間のレンタル料が数千ドルかかることもあります。単一の GPU の低消費電力と比較すると、スーパーコンピューターは燃え盛る炉のようなものです。

したがって、試行錯誤を必要とするこのような問題の場合、スーパーコンピューターは明らかに最善の解決策ではありません。

どこへ行くか

研究者たちは問題を次のように要約した。現在、宇宙の小さな領域で高解像度のシミュレーションを実行し、その後、大きなシミュレーション領域で低解像度のシミュレーションに切り替えることができる。広い領域の高解像度画像処理は、多大な時間、労力、エネルギーを消費するため、細心の注意を払って行う必要があります。

しかし、この状況は、宇宙全体をシミュレートするときに、乗り越えられないギャップを設定することに相当します。その溝を越える橋が AI です。

カーネギーメロン大学のチームが選択したアプローチは、AI にプログラム的に宇宙全体をシミュレートすることを教えることではなく (それでも無限の数の変数を設定する可能性はあります)、高解像度の形式で画像を直接シミュレートすることです。

これにより、シミュレーションの効率が大幅に向上します。どのくらい改善されたのでしょうか? カーネギーメロン大学のジョセリン・ダフィー氏は次のように述べています。「トレーニングされたコードは、完全な低解像度モデルを取得して超高解像度のシミュレーションを実行し、そこに含まれる粒子の数を 512 倍に増やすことができます。」直径約5億光年、1億3400万個の粒子を含む宇宙の領域の場合、従来の方法では単一の処理コアで高解像度のシミュレーションを完了するのに560時間を要したが、新しい方法を使用すると、研究者はわずか36分しか必要としなかった。シミュレーションにパーティクルを追加すると、効果がより顕著になります。 1340億個の粒子を含む「1兆」(以前の使用例と比較)の宇宙の場合、研究者の新しい方法では、単一のグラフィックス処理装置でわずか16時間しかかかりません。既存の方法を使用すると、この規模と解像度のシミュレーションには専用のスーパーコンピューターが必要となり、処理に数か月かかっていたでしょう。

これは、AI が人間の手の届かない宇宙を本当に「理解」できるということではありません。代わりに、低解像度のシミュレーション画像を説得力のある方法で高解像度形式に拡大するだけで、科学者はより少ない時間、労力、エネルギーの投資で信頼性の高いシミュレーション結果を得ることができます。

本質的には、映画の大まかなストーリーボードを AI に提供し、実写映画とまったく同じ外観を出力させるようなものです。まだ完璧ではありませんが、ある程度の忠実度で実際の撮影の手間を省くことができます。

もちろん、実際のプロセスはこの記事で説明されているものよりもはるかに複雑です。幸いなことに、宇宙のシミュレーション画像は検証が比較的容易であり、その結果を観測データと直接比較することができます。唯一の謎は、AI モデルがどのようにして充填を完了するのかがわからないことです。

この最新の成果により、宇宙論シミュレーションはスーパーコンピュータの独占領域から、完全にゲーム用 PC で実行できる「小さなケース」へと変わりました。研究者はこれを使用して、自分のアイデアを迅速にテストし、シミュレーション機能の普及を促進することもできます。

楽観的な観点から見ると、この研究は現実の宇宙を観測する方法を完全に変えることが期待されます。運が良ければ、暗黒物質、重力の影響、さらには宇宙の起源についてさらに深く理解できるかもしれない。

<<:  Transformer はコンピューター ビジョンの分野でどこまで進歩したのでしょうか?

>>:  警告! 「リップリーディング」キーでデータを盗む、AIは本当に怖い

ブログ    
ブログ    
ブログ    
ブログ    

推薦する

...

...

...

...

AI に役立つ 7 つのオープンソース ツール

[[282843]]人工知能は未来の道を歩み続ける注目すべき技術です。この進化する時代において、それ...

...

「顔認証」と「指紋認証」どちらが安全でしょうか?多くの人が間違っていた

今日のスマートフォンの発達により、顔認証や指紋認証によるロック解除は大きな利便性をもたらし、一般的に...

Google DeepMindは、新しいAIモデルGeminiを開発中であることを明らかにし、「GPT-4よりも強力」であると主張している。

6月28日、先月のGoogle I/O開発者会議で、Googleは開発中の大規模言語モデル「Gem...

2021 年の人工知能のトップ 10 トレンド

コロナウイルスのパンデミック以前、AI業界は2020年に大きな成長を遂げると予想されていました。 2...

...

...

AI モデルのデータセンターのエネルギー消費を効果的に削減するにはどうすればよいでしょうか?

人工知能をより良くするための競争において、MIT リンカーン研究所は、電力消費の削減、効率的なトレー...

新しいディープラーニングモデルがエッジデバイスに画像セグメンテーションをもたらす方法

[51CTO.com クイック翻訳]画像セグメンテーションは、画像内のオブジェクトの境界と領域を決定...

データマイニング分野のトップ10の古典的なアルゴリズムの1つであるC4.5アルゴリズム(超詳細なコード付き)

古典的なデータマイニングアルゴリズムのトップ 10 は次のとおりです。導入C4.5 は決定木アルゴリ...