این گروه با همکاری متخصصانی از دانشگاه توکیو در ژاپن و دانشگاه بارسلون در اسپانیا توانستند نخستین شبیه‌سازی کامل و واقعی از کهکشان راه‌شیری را انجام دهند که در آن بیش از ۱۰۰ میلیارد ستاره در یک بازه‌ی زمانی ۱۰ هزار ساله با دقتی بی‌سابقه مدل‌سازی شده است.
اهمیت این کار در آن است که نه‌تنها تعداد ستارگان شبیه‌سازی‌شده ۱۰۰ برابر بیشتر از آن چیزی است که در بهترین مدل‌های پیشین دیده شده بود، بلکه این شبیه‌سازی با سرعتی ۱۰۰ برابر سریع‌تر از تمامی تلاش‌های قبلی به نتیجه رسیده است.
این موفقیت تنها با اتکا به یک عامل حاصل نشده، بلکه نتیجه‌ی ترکیب کم‌نظیری از ۷ میلیون هسته پردازشی (CPU cores)، الگوریتم‌های پیشرفته یادگیری ماشین، و شبیه‌سازی‌های عددی چندلایه و پیچیده است. محصول نهایی، مدلی است که نه‌تنها یک دستاورد بزرگ برای اخترفیزیک محسوب می‌شود، بلکه نقطه عطفی در تاریخ ابررایانه‌ها، هوش مصنوعی و مدل‌سازی چندمقیاسی نیز به شمار می‌رود. این مدل به اخترشناسان امکان می‌دهد که روندهای تکامل ستاره‌ای و کهکشانی را در مقیاسی مطالعه کنند که تا پیش از این تنها در حد یک آرزو بود.
نتایج این پژوهش در مقاله‌ای با عنوان
«نخستین شبیه‌سازی N-body / Hydrodynamics ستاره‌به‌ستاره از کهکشان ما همراه با مدل جانشین مبتنی بر هوش مصنوعی»
در مجموعه مقالات کنفرانس بین‌المللی رایانش پیشرفته، شبکه‌سازی، ذخیره‌سازی و تحلیل داده‌ها (SC ’۲۵) منتشر شده است.
اهمیت تاریخی و علمی این شبیه‌سازی
اعتبار: RIKEN / iTHEMS
برای دهه‌ها، اخترفیزیک‌دانان رؤیای آن را داشتند که بتوانند کهکشانی مانند راه‌شیری را نه در قالب چند میلیون یا چند صد میلیون ذره فرضی، بلکه در قالب هر ستاره‌ی واقعی آن مدل کنند. به‌عبارت دیگر، مدل، نقطه به نقطه و ستاره به ستاره با واقعیت کیهانی مطابقت داشته باشد.
اما مشکل این بود که برای رسیدن به چنین دقتی، به نیرو، حافظه و سرعت پردازش نیاز بود که حتی مدرن‌ترین ابررایانه‌های جهان هم توان انجام آن را نداشتند.
شبیه‌سازی کامل یک کهکشان، از جمله راه‌شیری، تنها به مکانیک نیوتونی یا حرکات ساده‌ی ستاره‌ها محدود نمی‌شود. عوامل متعدد و بسیار پیچیده‌ای بر پویایی کهکشان تأثیر می‌گذارد، از جمله:
- گرانش متقابل میلیاردها ستاره
- دینامیک سیالات مربوط به گازهای میان‌ستاره‌ای
- شکل‌گیری و مرگ ستارگان
- بازتاب شوک‌های حاصل از ابرنواخترها (سوپرنواها)
- فرایندهای هسته‌زایی و تولید عناصر سنگین
- نقش سیاه‌چاله‌ی ابرپرجرم مرکزی
- برهم‌کنش بازوهای مارپیچی و نوسانات چگالی
- میدان‌های مغناطیسی
- گرانش ماده‌ی تاریک و هاله‌ی کهکشانی
هر یک از این عوامل در مقیاس‌های بسیار متفاوت رخ می‌دهند:
برخی در ابعاد چند سال نوری، برخی در ابعاد هزاران سال نوری، و برخی دیگر در ابعاد کل کهکشان.
همین تفاوت مقیاس‌ها، شبیه‌سازی را به یکی از دشوارترین چالش‌های تاریخ علم تبدیل می‌کند.
محدودیت‌های رایانه‌های پیشین
تا پیش از این کار، دانشمندان تنها می‌توانستند کهکشان راه‌شیری را با استفاده از ذرات فرضی که هر یک نماینده‌ی چند هزار تا چند میلیون ستاره بودند، مدل کنند. در بهترین حالت، مدل‌ها توانایی کار با جرمی مشابه یک میلیارد جرم خورشیدی را داشتند؛ یعنی تنها کمتر از یک درصد از جرم واقعی راه‌شیری.
از سوی دیگر، سرعت مدل‌سازی نیز یک مشکل اساسی بود. برای مثال:
- بهترین ابررایانه‌های موجود حدود ۳۱۵ ساعت (بیش از ۱۳ روز) زمان نیاز داشتند تا تنها ۱ میلیون سال از تکامل کهکشان را شبیه‌سازی کنند.
- این رقم تنها ۰٫۰۰۰۰۷ درصد از عمر کهکشان راه‌شیری است!
- برای شبیه‌سازی ۱ میلیارد سال، به بیش از ۳۶ سال زمان پردازشی نیاز بود؛
آن هم روی سامانه‌هایی که جزء سریع‌ترین‌های جهان محسوب می‌شوند.
به همین دلیل، مدل‌ها ناچار بودند صرفاً به سراغ پدیده‌های بزرگ‌مقیاس بروند و رفتارهای کوچک‌مقیاس – مانند تأثیر محلی سوپرنواها، امواج گاز پرانرژی، تشکیل خوشه‌های ستاره‌ای، یا برهم‌کنش گرانشی چندستاره‌ای – عملاً نادیده گرفته می‌شد یا بسیار ساده‌سازی می‌گردید.
علاوه بر این، حتی اگر تعداد هسته‌های پردازشی را زیاد می‌کردند، باز هم مشکل حل نمی‌شد:
- افزایش تعداد هسته‌ها مصرف انرژی را به شدت بالا می‌برد.
- کارایی محاسباتی (efficiency) با افزایش تعداد هسته‌ها کاهش می‌یافت.
- بسیاری از بخش‌های محاسبه مقیاس‌پذیر نبودند و سرعت رشد پردازشی متوقف می‌شد.
در نتیجه، علم به یک راه کاملاً نو نیاز داشت.
نوآوری بزرگ: استفاده از مدل جانشین هوش مصنوعی
در اینجا بود که تیم ژاپنی ایده‌ای کاملاً متفاوت را دنبال کرد:
ترکیب هوش مصنوعی با شبیه‌سازی عددی فیزیکی.
دکتر هیرشیما و همکارانش به‌جای اینکه همه‌ی فرایندهای کوچک‌مقیاسی را که در کهکشان رخ می‌دهند، مستقیماً با حل معادلات فیزیکی شبیه‌سازی کنند (که کاری بسیار سنگین است)، از یک مدل جایگزین (Surrogate Model) مبتنی بر یادگیری ماشین استفاده کردند.
این مدل:
- به‌طور ویژه روی شبیه‌سازی‌های بسیار دقیق از سوپرنواها آموزش داده شد.
- یاد گرفت که چگونه رفتار گاز و غبار اطراف یک انفجار ابرنواختری را تا ۱۰۰ هزار سال بعد پیش‌بینی کند.
- این کار بدون نیاز به مصرف منابع عظیم پردازشی انجام شد.
- سرعت محاسبات را به‌طور چشمگیری افزایش داد.
به بیان ساده، هوش مصنوعی رفتار منطقه‌ای و کوچک‌مقیاس را پیش‌بینی می‌کرد، درحالی‌که ابررایانه رفتار کلی و بزرگ‌مقیاس کهکشان را شبیه‌سازی می‌کرد؛ و این ترکیب، یک مدل چندمقیاسی فوق‌العاده قدرتمند را پدید آورد.
توانایی اجرای هم‌زمان دو مقیاس: کوچک و بزرگ
در گذشته مدل‌ها مجبور بودند یکی از این دو را انتخاب کنند:
- مدل‌های کوچک‌مقیاس: بسیار دقیق ولی فقط برای یک بخش کوچک از کهکشان
- مدل‌های بزرگ‌مقیاس: سریع ولی بدون جزئیات ستاره‌به‌ستاره
اما تیم iTHEMS توانست برای اولین بار در تاریخ:
- رفتار یک کهکشان کامل در مقیاس ۱۰۰ میلیارد ستاره را
- همراه با رفتارهای کوچک‌مقیاس مانند انفجارهای ستاره‌ای
- به‌طور هم‌زمان شبیه‌سازی کند.
این یعنی شبیه‌سازی، از کوچک‌ترین هسته‌ی ستاره‌ای تا دینامیک کل راه‌شیری را در یک مدل واحد دربرمی‌گیرد.
گفته‌های دکتر هیرشیما درباره اهمیت این دستاورد
او در بیانیه مطبوعاتی RIKEN گفت:
«من باور دارم ادغام هوش مصنوعی با رایانش پیشرفته، یک نقطه عطف در نحوه‌ی برخورد ما با مسائل چندفیزیکی و چندمقیاسی است. این دستاورد نشان می‌دهد که شبیه‌سازی‌های شتاب‌گرفته با هوش مصنوعی می‌توانند فراتر از یک ابزار تشخیص الگو عمل کنند و به ابزاری واقعی برای کشف علمی تبدیل شوند—ابزاری که به ما کمک می‌کند مسیر شکل‌گیری عناصری را که زندگی را در کهکشان ما ممکن کرده‌اند، دنبال کنیم.»
این گفته‌ها به‌خوبی نشان می‌دهد که این پژوهش تنها یک محاسبه‌ی عددی نیست؛ بلکه می‌تواند درک ما را از تاریخ کیهان، شیمی ستارگان، چرخه‌ی حیات ماده، و حتی منشأ جهان تغییر دهد.
تأیید مدل با استفاده از ابررایانه‌های بزرگ
اعتبار: ESO / Y. Beletsky
برای اطمینان از دقت مدل، تیم پژوهشی آن را روی سامانه‌های ابررایانه‌ای عظیم آزمایش کرد:
- Fugaku در مرکز رایانش RIKEN (یکی از سریع‌ترین ابررایانه‌های جهان)
- Miyabi در دانشگاه توکیو
نتایج آزمایش‌ها شگفت‌انگیز بود:
- مدل توانست کهکشانی با بیش از ۱۰۰ میلیارد ستاره را با دقت ستاره‌به‌ستاره شبیه‌سازی کند.
- شبیه‌سازی ۱ میلیون سال از تاریخ کهکشان تنها ۲٫۷۸ ساعت طول کشید.
این یعنی:
- برای شبیه‌سازی ۱ میلیارد سال تنها ۱۱۵ روز لازم است.
- بدون هوش مصنوعی، همین مقدار شبیه‌سازی به ۳۶ سال پردازش نیاز داشت!
- و حتی بسیاری از ابررایانه‌ها توان انجام آن را نداشتند.
پیامدهای علمی و آینده‌پژوهانه
نتایج این پژوهش کاربردهای گسترده‌ای دارد:
۱. مطالعه دقیق‌تر تکامل کهکشان راه‌شیری
اکنون اخترشناسان می‌توانند:
- تاریخ شکل‌گیری بازوهای مارپیچی
- نقش هاله‌ی ماده تاریک
- فرآیندهای تشکیل ستاره
- چرخه‌های ابرنواختری
- مهاجرت ستاره‌ها در طول میلیاردها سال
را در سطحی بی‌سابقه بررسی کنند.
۲. مطالعه منشأ عناصر سنگین
از آنجا که مدل اثر سوپرنواها را می‌سنجد، می‌توان مسیر شکل‌گیری عناصر مانند:
- آهن، طلا، نیکل، اورانیوم
را با جزئیات دنبال کرد.
۳. کاربرد در علوم دیگر
این «میان‌بُر هوش مصنوعی» می‌تواند در بسیاری از علوم دیگر نیز انقلابی ایجاد کند، از جمله:
- پیش‌بینی هواشناسی
- مدل‌های پیچیده‌ی اقیانوس‌شناسی
- مدل‌سازی تغییرات اقلیمی
- مهندسی پلاسما
- مدل‌های زیست‌محیطی
- رفتار مواد در مقیاس‌های چندگانه
به‌ویژه در جاهایی که مدل باید هم رفتار کلان و هم خرد را به‌طور هم‌زمان با دقت بالا محاسبه کند.
جمع‌بندی
پژوهش جدید مرکز RIKEN به‌معنای واقعی کلمه «سرحدات علم» را جابه‌جا کرده است.
با ترکیب یک مدل فیزیکی دقیق و یک مدل مبتنی بر هوش مصنوعی، آن‌ها توانستند:
- نخستین شبیه‌سازی ستاره‌به‌ستاره از کهکشان راه‌شیری
- با بیش از ۱۰۰ میلیارد ستاره
- با سرعتی ۱۰۰ برابر سریع‌تر از گذشته
- و با دقتی که هرگز سابقه نداشت
را خلق کنند.
این دستاورد نه‌تنها پنجره‌ای تازه به تاریخ کیهان باز می‌کند،
بلکه نشان می‌دهد که آینده‌ی علم، نه در رقابت انسان و ماشین،
بلکه در همکاری این دو رقم خواهد خورد.
