Japońscy naukowcy stworzyli najdokładniejszą symulację Drogi Mlecznej w historii. Dzięki AI i superkomputerowi Fugaku udało im się odtworzyć galaktykę z 300 mld cząstek.
W skrócie:
- Japoński zespół jako pierwszy zasymulował Drogę Mleczną z rozdzielczością pojedynczych gwiazd, wykorzystując model obejmujący 300 miliardów cząstek – 10 razy więcej niż dotychczas.
- Model AI oparty na architekturze U‑Net pozwolił ominąć problem supernowych, które spowalniały obliczenia. Sztuczna inteligencja przewiduje skutki eksplozji, nie symulując ich bezpośrednio.
- Dzięki nowej metodzie symulacja miliona lat ewolucji galaktyki na superkomputerze Fugaku zajęła niecałe trzy godziny, osiągając aż 113-krotne przyspieszenie.
To jedna z tych wiadomości, które brzmią jak scenariusz filmu science fiction, ale wydarzyły się naprawdę. Zespół badaczy z uniwersytetów w Tokio, Kobe, Sapporo i Tsukubie, wspierany przez inżynierów z firmy Preferred Networks, dokonał czegoś, co przez dekady wydawało się niemożliwe. Stworzyli cyfrowy model naszej galaktyki, Drogi Mlecznej, obejmujący niewyobrażalne 300 miliardów cząstek. To dziesięciokrotnie więcej niż jakakolwiek wcześniejsza próba. Projekt jest nie tylko największą, ale i najdokładniejszą symulacją w historii astrofizyki. Naukowcy obliczyli dynamikę grawitacji, ruch gazu, procesy formowania gwiazd, a nawet dyfuzję metali. Wszystko z precyzją, gdzie jedna cząstka w modelu odpowiada 0,75 masy Słońca.
Jak sztuczna inteligencja oszukała supernowe?
Przez lata największą przeszkodą w tworzeniu tak dokładnych symulacji galaktyk były supernowe. Te gwałtowne, energetyczne eksplozje gwiazd tworzą ekstremalnie gorące i gęste obszary. Dla superkomputera to koszmar. Wymuszały one na maszynach wykonywanie miliardów drobnych obliczeń w mikroskopijnych krokach czasowych. Jedna eksplodująca gwiazda potrafiła w praktyce zatrzymać symulację całej galaktyki, ponieważ jej dynamika rozgrywa się w skali lat, podczas gdy ewolucja galaktyki obejmuje miliardy lat. To jak próba oglądania filmu klatka po klatce i jednoczesnego przewijania go z prędkością światła. Absurd.
Rozwiązanie okazało się genialne w swojej prostocie. Zamiast symulować każdą supernową bezpośrednio, naukowcy postanowili przewidzieć jej skutki za pomocą specjalnie wytrenowanego modelu AI. Tak powstał tak zwany model zastępczy (surrogate model), oparty na architekturze U‑Net – sieci neuronowej stworzonej do przetwarzania danych trójwymiarowych. Gdy w symulacji dochodzi do wybuchu, dane o otaczającym gazie są przekazywane do osobnych węzłów obliczeniowych. Tam model AI w ułamku sekundy przewiduje, jak po 100 tysiącach lat będzie wyglądać rozkład temperatury, gęstości i prędkości materii. W tym czasie główna symulacja Drogi Mlecznej działa dalej, nietknięta lokalną katastrofą. To trochę jak w grze strategicznej – zamiast czekać, aż skończy się jedna bitwa, wydajesz rozkazy na całej mapie. Proste i diabelnie skuteczne.
Fugaku w akcji, czyli galaktyka w niecałe trzy godziny
Nowe podejście przyniosło rewolucyjne rezultaty. Po raz pierwszy w historii naukowcy mogli wykorzystać stały, duży krok czasowy (na przykład 2000 lat) w symulacji, zamiast skakać co kilkadziesiąt lat. Efekt? Symulacja obejmująca milion lat ewolucji galaktyki została ukończona w zaledwie 2 godziny i 47 minut. Do tego celu uruchomiono 7,1 miliona rdzeni japońskiego superkomputera Fugaku, które pracowały z łączną mocą 8,2 PFLOPS. W porównaniu z najlepszymi dotychczasowymi metodami, które nie korzystały z AI, osiągnięto przyspieszenie aż 113 razy.
Za kulisami tego sukcesu stoi autorski kod ASURA, połączony z biblioteką FDPS do symulacji cząstek i zoptymalizowanym silnikiem AI, który działał na procesorach CPU. To kluczowy detal – model głębokiego uczenia (U‑Net) trenowano na układach GPU, ale do właściwych obliczeń (inferencji) wykorzystano CPU. Dzięki temu uniknięto kosztownego i czasochłonnego transferu gigantycznych ilości danych między różnymi typami procesorów. Całość spinał generator zoptymalizowanych obliczeń PIKG, dostosowany do konkretnej architektury superkomputera. To majstersztyk inżynierii oprogramowania na kosmiczną skalę.
Co dalej? Od czarnych dziur po cyfrowe wszechświaty
Ten przełom to znacznie więcej niż tylko piękna wizualizacja Drogi Mlecznej. To zapowiedź nowej ery w nauce obliczeniowej. Integracja modeli zastępczych opartych na AI pozwala wreszcie łączyć w jednej symulacji zjawiska o dramatycznie różnych skalach czasowych i przestrzennych. Zastosowania są praktycznie nieograniczone. Od procesów powstawania galaktyk, przez wzrost supermasywnych czarnych dziur, po znacznie bardziej przyziemne symulacje klimatyczne, prognozy pogody czy analizy turbulencji. Wszędzie tam, gdzie wąskie gardła obliczeniowe blokowały postęp, teraz do gry może wejść sztuczna inteligencja.
Japoński zespół już planuje kolejne kroki. Ich technika pozwoli śledzić ewolucję jeszcze większych struktur kosmicznych, takich jak supergromady galaktyk. Być może w niedalekiej przyszłości uda się stworzyć cyfrowy model całego obserwowalnego wszechświata. Dzięki sztucznej inteligencji nauka zyskała narzędzie, które pozwoli nam zadawać pytania, o których do tej pory nawet nie śmieliśmy myśleć. A wszystko zaczęło się od problemu wybuchających gwiazd.