【论文】如何用机器学习解开银河系形成之谜

Brunner说,流体力学用来解释N体模拟给了宇宙学家更加精确的信息。但是使用流体动力学模拟时存在一个缺点:他们会占用数以百万计的超级计算时间,这对于研究来说是不能接受的。

“半解析模拟也会占用上千小时”Kamdar说,“我们的机器学习方法只会花费几分钟。”

伊利诺伊大学开发出一个新的机器学习模拟系统。它将会为宇宙学家提供一系列星系模型,这会为宇宙的形成提供更加精确和相关的信息。

这种方法的可行性在最近发表的两篇文章上被证明出来。这两篇文章由天文学家、物理学家同时也是统计学教授的Robert Brunner、他的本科学生Harshil Kamdar和美国国家超级计算机应用中心的研究科学家Matthew Turk撰写而成。

宇宙学家当前使用了两种模拟过程。第一种方法是N体模拟,主要是关于暗物质是如何在重力作用下塌陷的。这些模拟过程再加上半解析模型让天文学家模拟星系是如何形成的。第二种方法是流体力学N体模拟,它让天文学家直接模拟在引力塌缩下正常物质与暗物质相互作用形成星系;这种消耗大量计算的方法直接表明无法看到的暗物质团块,也被称为光晕,是如何影响恒星形成。

“暗物质形成了重力中的‘山谷’和‘丘陵’,气体粒子坠入‘丘陵’中”,Brunner说到,“他们最终会混合在一起通过一个所谓的流体动力学过程形成恒星,这是一个很复杂的过程,有点类似于我们的大气层”。

Brunner说,流体力学用来解释N体模拟给了宇宙学家更加精确的信息。但是使用流体动力学模拟时存在一个缺点:他们会占用数以百万计的超级计算时间,这对于研究来说是不能接受的。

“半解析模拟也会占用上千小时”Kamdar说,“我们的机器学习方法只会花费几分钟。”

机器学习使用了电脑算法来识别高维数据中的关系。Illinois团队开发了一个机器学习算法在流体力学模拟过程中把暗物质晕和他们的地位相当的正常物质对应起来。

机器学习先是使用算法在罕见的、上百万小时的流体力学模拟过程上训练,接着使用这个算法通过逼近研究人员想看的性质来节省计算时间。使用了流体力学N体模拟和半解析模型后,该团队发现虽然暗物质和例子的位置可能不准确,但是模型预测得到的星系的分布和相应的性质是几乎正确的。

“打个比喻就是,使用机器学习来预测班级中学生的成绩,我们不能正确的得到每个学生的成绩,但是成绩的分布是正确的。”Brunner说到。

在第一篇发表在《皇家天文学会月报》(MNRAS)的论文中,研究人员证明了机器学习能够重新创造出与半解析模型相似的星系的分布。在第二篇递交的论文中,现在在ArXiv上发布出来,他们比较了机器学习算法和流体力学模拟,将星系在粒子水平上进行比对,再一次发现机器学习方法表现优良。

他们将来的工作将会包括使用计算时间耗费少的的机器学习算法只模拟星系中的暗物质。这个新的机器学习框架将能够快速创造一个模拟的星系图来与观测结果比较。

这种新的方法为那些比较观测结果与模拟过程的研究人员提供了希望。这其中包括暗能量调查和即将到来的大型综合巡天望远镜,这两者均将纳入到Illinois大学的研究体系中。

原文发布于微信公众号 - 新智元(AI_era)

原文发表时间:2015-11-14

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏人工智能快报

谷歌推出通用机器学习模型

据外媒报道,谷歌的研究人员已经运用多种类型的训练数据创立了他们所谓的“一个模型解决所有问题”,以此在不同的任务中训练人工智能模型。 研究人员和专注于人工智能的谷...

3073
来自专栏智能计算时代

当机器学习遇到计算机视觉——下篇

?上一篇文章中,我们为大家介绍了计算机视觉这一领域的概况,并讨论了基于决策森林的像素分类法。目前这个强有效的方法已经被广泛运用在了医疗成像和Kinect体感设备...

2657
来自专栏机器之心

变革尚未成功:深度强化学习研究的短期悲观与长期乐观

选自alexirpan 机器之心编译 参与:Nurhachu Null、刘晓坤 深度强化学习是最接近于通用人工智能(AGI)的范式之一。不幸的是,迄今为止这种方...

3756
来自专栏机器之心

中科院「脑科学与人工智能」论坛,四场报告概要+两大研究方向解读+两项专题讨论实录

机器之心报道 编辑:夏亚妹妹、蒋思源 5 月 8 日,由中国科学院学部主办的「脑科学与人工智能」科学与技术前沿论坛召开,本论坛从脑科学如何支持人工智能的发展和类...

2858
来自专栏牛客网

CVTE研究院数据挖掘岗三轮面经

5、阐述SVM原理,为何使用对偶性以及对偶性原理,SVM如何解决多分类,SVM与LR对比。

822
来自专栏机器之心

演讲 | Yann LeCun清华演讲:深度学习与人工智能的未来

机器之心原创 作者:高静宜 2017 年 3 月 22 日下午,Facebook 人工智能研究院院长、纽约大学终身教授 Yann LeCun 在清华大学大礼堂为...

3568
来自专栏吉浦迅科技

AI 初学者入门指南:深度学习的五级分类

导语:针对目前 AI 分类笼统的问题,美国学者 Arend Hintze 和 AI 工程师Carlos Perez 分别提出了两种对 AI 能力按级别分类的全新...

4279
来自专栏AI科技大本营的专栏

【干货】人工智能工程师的三个层次(附技术学习路线图)

作者 | 智亮 Google Tensorflow框架的Contributor。在计算机视觉领域有深厚的工业经验,带领团队开发的“花伴侣”植物识别App,上线数...

3855
来自专栏量化投资与机器学习

【精选】神经网络应用于算法交易

今天编辑部带来关于在基于金融时间序列的预测模型案例,我们将通过神经网络来增强一个经典的移动平均策略,并表明它真的是有所改善相对原策略。

25312
来自专栏灯塔大数据

塔荐 | 人工智能工程师的三个层次

导 读 Google Tensorflow框架的Contributor。在计算机视觉领域有深厚的工业经验,带领团队开发的“花伴侣”植物识别App,上线数月即在0...

3113

扫码关注云+社区