帮助解释我们看不到的事物的本质以及我们能看到的事物的本质

随着宇宙学家和天体物理学家更深入地探索宇宙中最黑暗的凹陷，他们对功能日益强大的观测和计算工具的需求呈指数增长。从诸如暗能量光谱仪之类的设施到诸如国家能源研究科学计算(NERSC)设施中的劳伦斯·伯克利国家实验室的Cori系统之类的超级计算机，它们都在寻求收集，模拟和分析越来越多的数据，以帮助解释我们看不到的事物的本质以及我们能看到的事物的本质。

为此，引力透镜是科学家提取信息的最有前途的工具之一，它使他们能够探测宇宙的几何形状和宇宙结构的生长。DeborahBard认为，引力透镜会扭曲遥远星系的图像，这种方式取决于视线在特定方向上的数量，并提供了一种查看暗物质的二维图的方法，伯克利实验室国家能源研究科学计算中心(NERSC)的数据科学参与小组的组长。

她说：“引力透镜是我们研究暗物质的最好方法之一，这很重要，因为它可以告诉我们很多有关宇宙结构的信息。”“宇宙中的大多数物质是暗物质，我们无法直接看到它，因此我们必须使用间接方法研究其分布方式。”

但是随着实验数据集和理论数据集的增长，以及对数据进行成像和分析所需的模拟，出现了一个新的挑战：这些模拟在计算上变得越来越昂贵，甚至令人望而却步。因此，计算宇宙学家经常求助于计算便宜的替代模型，该模型可模拟昂贵的模拟。不过，最近，“基于神经网络的深度生成模型的进步为许多类型的模拟器(包括宇宙学中的那些模拟器)构建了更健壮和更少人工设计的替代模型提供了可能，”MatfafaMustafa表示，NERSC和一项新研究的主要作者，该研究描述了由BerkeleyLab，GoogleResearch和夸祖鲁-纳塔尔大学合作开发的一种方法。

目前正在研究各种深度生成模型以用于科学应用，但是伯克利实验室领导的团队采取了独特的策略：生成对抗网络(GAN)。在2019年5月6日发表于《计算天体物理学和宇宙学》的一篇论文中，他们讨论了名为CosmoGAN的新的深度学习网络及其创建高逼真度，弱引力透镜会聚图的能力。

计算天文学和宇宙学论文的合著者巴德说：“会聚图实际上是我们沿视线在空中看到的引力透镜的二维图。”“如果在会聚图中有一个峰对应于沿视线的大量物质中的一个峰，则意味着该方向上存在大量暗物质。”

GAN的优势

为什么选择GAN而不是其他类型的生成模型?性能和精度，根据Mustafa的说法。

“从深度学习的角度来看，还有其他方法可以学习如何从图像生成收敛图，但是当我们开始该项目时，与竞争方法相比，GAN似乎可以生成非常高分辨率的图像，同时仍然具有计算能力和神经网络尺寸效率，“他说。

伯克利实验室计算宇宙学中心的研究科学家ZariaLukic补充说：“我们一直在寻找两件事：准确和快速。”“GAN提供了与完全物理模拟相比几乎准确的希望。”

研究团队对构建替代模型特别感兴趣，该模型可以减少运行这些模拟的计算成本。在计算天体物理学和宇宙学论文中，他们概述了GAN在大型物理模拟研究中的许多优势。

Mustafa说：“众所周知，GAN在训练过程中非常不稳定，尤其是当您到达训练的最后阶段并且图像开始看起来不错时，那时网络的更新可能会变得非常混乱。”“但是，由于我们拥有宇宙学中使用的汇总统计信息，因此我们能够在训练的每个步骤中评估GAN，这有助于我们确定我们认为最佳的发电机。该程序通常不用于训练GAN。”

通过使用CosmoGAN生成器网络，该团队已经能够生成收敛图，这些收敛图具有很高的统计置信度，它们与完全模拟的图相同的摘要统计量。收敛图之间的非常高的一致性，与基于物理学的生成模型生成的图在统计上无法区分，这为从深度神经网络构建仿真器迈出了重要的一步。

“这里最大的优势是我们要解决的问题是一个物理问题，它具有相关的度量标准，”巴德说。“但是，采用我们的方法，有一些实际指标可以让您量化GAN的准确性。对我来说，这确实令人兴奋-这些物理问题如何影响机器学习方法。

最终，这些方法可以改变目前依赖详细的物理模拟的科学，这些模拟需要数十亿个计算小时并占用PB的磁盘空间，但仍有大量工作要做。宇宙学数据(通常是科学数据)可能需要非常高分辨率的测量，例如全天文望远镜图像。

瓦希德·巴米吉(WahidBhmiji)说：“该项目考虑的2D图像很有价值，但是实际的物理模拟是3D的，并且可以随时间变化并且不规则，从而产生丰富的，类似网的结构特征。”NERSC数据和分析服务小组的数据架构师，《计算天体物理学和宇宙学》论文的合著者。“此外，该方法需要扩展以探索新的虚拟宇宙，而不是已经模拟的宇宙，从而最终构建可控制的CosmoGAN。”

“进行可控GAN的想法本质上是我们正在研究的整个问题的圣杯：为了能够真正模拟物理模拟器，我们需要基于可控GAN建立替代模型，”Mustafa补充说。“鉴于过去几年中在该领域取得的所有进步，目前，我们正在尝试了解如何稳定培训动力。稳定培训对于实际能够下一步要做的事情非常重要。

标签：

免责声明：免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！