Ученые создали нейронную сеть, чтобы понять состояние Вселенной после Большого взрыва
Европейские ученые создали искусственный интеллект, который можно использовать для моделирования и изучения кварк-глюонной плазмы. Исследование публикует журнал Physical Review Letters.
Сразу после Большого взрыва Вселенная была необычным местом. Крошечные частицы бешено вращались с высокой энергией, а в запутанном беспорядке квантовых частиц происходят бесчисленные взаимодействия. Все это приводит к состоянию материи, известному как кварк-глюонная плазма. Сразу после Большого взрыва вся Вселенная находилась в таком состоянии. Сегодня его пытаются воспроизвести в результате столкновений ядер атомов с высокой энергией, например, в ЦЕРНе.
Такие процессы можно изучать только с помощью высокопроизводительных компьютеров и очень сложных компьютерных симуляций, результаты которых трудно оценить. Поэтому использование для этой цели искусственного интеллекта или машинного обучения кажется очевидной идеей. Однако обычные алгоритмы не подходят для этой задачи. Математические свойства физики элементарных частиц требуют особой структуры нейронных сетей. Сотрудники Венского технического университета продемонстрировали, как использовать нейронные сети для решения этих сложных задач в физике элементарных частиц.
«Наиболее реалистичное моделирование кварк-глюонной плазмы требует огромного количества вычислительного времени, - объясняет Андреас Ипп из Института теоретической физики Венского технического университета. - Даже самые большие суперкомпьютеры не могут справиться». Поэтому ученые стремились не просто просчитывать каждую деталь, а распознавать и предсказывать определенные свойства плазмы с помощью искусственного интеллекта.
В работе нейронных сетей искусственные «нейроны» связаны друг с другом на компьютере аналогично нейронам в мозге - и это создает сеть. Она может, например, распознавать, что находится на картинке. Такие сети используются в социальных сетях для поиска вредоносного контента.
Однако при применении этой техники к кварк-глюонной плазме возникает серьезная проблема: квантовые поля, используемые для математического описания частиц и сил между ними, могут быть представлены различными способами. «Это называется калибровочными симметриями, - объясняет Ипп. - Основной принцип прост: если калибровать измерительный прибор по-другому, например, использовать шкалу Кельвина вместо шкалы Цельсия для термометра, то можно получить совершенно другие числа, даже если описывать одинаковое физическое состояние. Это похоже на квантовые теории - за исключением того, что разрешенные изменения математически намного сложнее». Математические объекты, которые на первый взгляд выглядят совершенно по-разному, на самом деле могут описывать одно и то же физическое состояние.
Если не принять во внимание эти калибровочные симметрии, то не получится осмысленно интерпретировать результаты компьютерного моделирования. При этом, научить нейронную сеть вычислять эти калибровочные симметрии самостоятельно очень сложно. Гораздо лучше начать с разработки структуры нейронной сети таким образом, чтобы автоматически учитывалась калибровочная симметрия - так, чтобы разные представления одного и того же физического состояния также производят одни и те же сигналы в нейронной сети, объясняют ученые. Так они разработали совершенно новые сетевые слои, которые автоматически учитывают калибровочную инвариантность.
С такими нейронными сетями становится возможным делать прогнозы о системе - например, оценивать, как будет выглядеть кварк-глюонная плазма в более поздний момент времени, без необходимости подробного расчета каждого промежуточного шага во времени. И, в то же время гарантируется, что система выдает только результаты, которые не противоречат калибровочной симметрии.
Пройдет какое-то время, прежде чем с помощью таких методов можно будет полностью смоделировать столкновения атомных ядер в ЦЕРН, но новый тип нейронных сетей предоставляет совершенно новый и многообещающий инструмент для описания физических явлений, для которых все другие вычислительные методы никогда не будут достаточно мощными.
Источник