Forscher haben einen Durchbruch in der Astrophysik erzielt, indem sie die erste hochauflösende Simulation der Milchstraße erstellt haben, die über 100 Milliarden einzelne Sterne über einen Zeitraum von 10.000 Jahren genau darstellt. Dieses Kunststück wurde durch die Integration künstlicher Intelligenz (KI) mit herkömmlichen numerischen Simulationen erreicht, was zu einem Modell führte, das sowohl 100-mal detaillierter als auch 100-mal schneller ist als frühere, hochmoderne Ansätze.
Die in Proceedings of the International Conference for High Performance Computing, Networking, Storage and Analysis veröffentlichte Studie markiert einen bedeutenden Fortschritt an der Schnittstelle von Astrophysik, Hochleistungsrechnen und KI. Über ihre Implikationen für das Verständnis der galaktischen Entwicklung hinaus hat diese neue Methodik das Potenzial, die Modellierung in anderen komplexen Bereichen wie der Klimawissenschaft und der Wettervorhersage zu revolutionieren.
Die Herausforderung der Simulation der Milchstraße
Astrophysiker versuchen seit langem, realistische Simulationen der Milchstraße bis hin zur Ebene einzelner Sterne zu erstellen. Solche Modelle sind von entscheidender Bedeutung, um Theorien zur Entstehung, Struktur und Sternentwicklung von Galaxien anhand realer Beobachtungen zu testen. Genaue Galaxiensimulationen sind jedoch aufgrund der Vielzahl beteiligter physikalischer Prozesse – Schwerkraft, Fluiddynamik, Supernova-Explosionen und Elementsynthese – bekanntermaßen schwierig, die auf sehr unterschiedlichen Raum- und Zeitskalen ablaufen.
Bisher war es Wissenschaftlern nicht möglich, große Galaxien wie die Milchstraße zu modellieren und dabei eine hohe Auflösung auf Sternebene beizubehalten. Bestehende Simulationen auf dem neuesten Stand der Technik beschränken sich auf eine obere Massengrenze von etwa einer Milliarde Sonnen, was bedeutet, dass das kleinste „Teilchen“ im Modell einen Cluster von 100 Sternen darstellt. Diese Mittelung verschleiert das Verhalten einzelner Sterne und schränkt die Genauigkeit der Simulationen ein.
Ein wesentlicher Engpass ist der Zeitschritt, der für eine genaue Modellierung erforderlich ist. Schnelle Veränderungen auf Sternebene, wie etwa die Entwicklung einer Supernova, können nur erfasst werden, wenn die Simulation in kurzen Schritten fortschreitet.
Rechengrenzen und der Bedarf an Innovation
Die Verkürzung des Zeitschritts erfordert jedoch exponentiell mehr Rechenressourcen. Selbst mit der aktuellen Technologie würde die Simulation der Milchstraße bis hin zu einzelnen Sternen 315 Stunden pro Million Jahre Simulationszeit erfordern. Bei diesem Tempo würde die Simulation selbst einer Milliarde Jahre galaktischer Entwicklung mehr als 36 Jahre realer Zeit in Anspruch nehmen.
Das einfache Hinzufügen weiterer Supercomputerkerne ist keine praktikable Lösung. Eine Erhöhung der Kernanzahl führt nicht unbedingt zu einer schnelleren Verarbeitung, da die Effizienz sinkt, und der Energieverbrauch wäre nicht nachhaltig.
Der KI-gestützte Durchbruch
Um diese Einschränkungen zu überwinden, entwickelte Keiya Hirashima vom RIKEN Center for Interdisciplinary Theoretical and Mathematical Sciences (iTHEMS) in Japan zusammen mit Kollegen von der Universität Tokio und der Universitat de Barcelona in Spanien einen neuartigen Ansatz. Sie kombinierten ein Deep-Learning-Ersatzmodell mit physikalischen Simulationen.
Das Ersatzmodell wurde anhand hochauflösender Simulationen von Supernovae trainiert und lernte, die Ausdehnung des umgebenden Gases in den 100.000 Jahren nach einer Explosion vorherzusagen, ohne dass zusätzliche Rechenressourcen vom Rest des Modells benötigt würden. Diese KI-Verknüpfung ermöglichte es der Simulation, gleichzeitig die Gesamtdynamik der Galaxie und feinskalige Phänomene wie Supernovae zu modellieren.
Das Team verifizierte die Leistung der Simulation, indem es ihre Ergebnisse mit groß angelegten Tests mit dem Supercomputer Fugaku von RIKEN und dem Supercomputersystem Miyabi der Universität Tokio verglich.
Ergebnisse und umfassendere Implikationen
Die neue Methode ermöglicht nicht nur die Auflösung einzelner Sterne in großen Galaxien mit über 100 Milliarden Sternen, sondern beschleunigt auch die Simulationsgeschwindigkeit erheblich. Die Simulation von einer Million Jahren dauert jetzt nur noch 2,78 Stunden, was bedeutet, dass die gewünschten eine Milliarde Jahre in nur 115 Tagen statt in 36 Jahren modelliert werden könnten.
Über die Astrophysik hinaus hat dieser Ansatz das Potenzial, andere Multiskalensimulationen in Bereichen wie Wetter, Ozeanographie und Klimawissenschaften zu verändern, in denen die Verknüpfung kleiner und großer Prozesse von entscheidender Bedeutung ist.
„Ich glaube, dass die Integration von KI und Hochleistungsrechnen einen grundlegenden Wandel in der Art und Weise darstellt, wie wir multiskalige und multiphysikalische Probleme in den Computerwissenschaften angehen“, sagt Hirashima.
Dieser Durchbruch zeigt die Leistungsfähigkeit der Kombination von KI und traditioneller Datenverarbeitung, um bisher unüberwindbare Einschränkungen bei der wissenschaftlichen Modellierung zu überwinden. Die Implikationen für die zukünftige Forschung in mehreren Disziplinen sind erheblich
