深度学习加速星系计算

超新星，解释星，在星系的形成和演化中起着关键作用然而，血液的关键方面很难在合理的短时间内准确地模拟第一次，包括东京大学的研究人员在内的许多研究人员应用了对超新星模拟问题的研究它们的入侵可以加速超级新星的模拟，从而加速星系的形成和进化这些模拟包括导致生命的化学进化

当你听说深度学习时，你可能会想到本周推出的测试程序，它可以在图像中实现智能或生成类似人类的文本深度学习可能会对这些事情的一些幕后观察做出回应，但它也广泛应用于不同的研究领域最近，一个被称为“黑客”的组织开始了对天气预报的研究它被证明是非常有效的，他在东京大学天文思想系攻读博士学位

平岛说：“天气是一种非常复杂的现象，它会导致流体动力学计算的下降。”“因此，我希望能够修改用于天气预报的探测模型，并将其应用于另一个流体系统，但有一个存在于更大范围内，我们可以直接访问：我的探测领域，超新星爆炸。”

超级新星出现时，可能会导致大部分燃料消耗殆尽，并导致室内爆炸它们对宿主星系内的更大区域产生了巨大的影响如果一个新星在距离地球几百光年的几年前出现，你现在可能还没有找到它的长度所以，我们越了解超级新星，我们就越了解超级巨星和超级巨星

“问题是计算超新星出现的时间。目前，许多超新星模型都是以完美的球形方式出现的，因为它们很容易计算出来，”平岛说“然而，事实上，它们是相当对称的。构成爆炸边界的材料中的某些区域比其他区域更复杂。我们应用了深度学习来帮助确定爆炸的哪一部分需要或不需要注意尿液模拟，以确保其准确无误，同时也占用了大量的时间。这种解决问题的方法被称为Hamilton分解。我们的新模型3D-MIM，可以将10万年超新星演化计算中的计算步骤数减少99%所以，我认为我们也会帮助减少瓶颈“.

当然，深度学习需要深度训练。平岛的团队已经完成了数百万小时的模拟工作（超级计算机是高度并行的，因此其时间长度将根据所需的大量程序划分）但是这次的结果是值得的他们没有将相同的方法应用于其他领域的灾难物理学；例如，星系演化也受到大恒星形成区域的影响3D MIM模拟了恒星的死亡，并将使用监视器来模拟它们的出生它甚至可以在另一个需要高空间和时间分辨率的领域中发现超越天体物理学的可能性，比如气候和缺乏足够的模拟