Ένα σύμπαν σε ένα μπουκάλι:γιατί η προσομοίωση ό,τι υπάρχει είναι τόσο σημαντικό

Οι περισσότερες προσομοιώσεις μεγάλης κλίμακας αφορούν συγκεκριμένες διεργασίες, όπως ο σχηματισμός άστρων, οι συγχωνεύσεις γαλαξιών, τα γεγονότα του ηλιακού μας συστήματος, το κλίμα και ούτω καθεξής. Δεν είναι καθόλου εύκολο να προσομοιωθούν - είναι περίπλοκες εμφανίσεις φυσικών φαινομένων που είναι δύσκολο για έναν υπολογιστή να προσθέσει όλες τις λεπτομερείς πληροφορίες σχετικά με αυτά.

Για να γίνει ακόμα πιο περίπλοκο, συμβαίνουν και τυχαία πράγματα. Ακόμα και κάτι απλό όπως ένα ποτήρι νερό δεν είναι ακριβώς απλό. Για αρχή, δεν είναι ποτέ καθαρό νερό, έχει μέταλλα όπως νάτριο, κάλιο, διάφορες ποσότητες αέρα, ίσως λίγη σκόνη - εάν θέλετε ένα μοντέλο του ποτηριού νερού να είναι ακριβές, πρέπει να λάβετε υπόψη όλα αυτά. Ωστόσο, δεν θα περιέχει κάθε ποτήρι νερό την ίδια ακριβώς ποσότητα μετάλλων. Οι προσομοιώσεις υπολογιστών πρέπει να κάνουν το καλύτερο δυνατό για να εκτιμήσουν το χάος μέσα σε ένα φαινόμενο. Κάθε φορά που προσθέτετε περισσότερη πολυπλοκότητα, τόσο περισσότερος χρόνος χρειάζεται για να ολοκληρωθεί η προσομοίωση και τόσο περισσότερη επεξεργασία και μνήμη χρειάζεστε για αυτήν.

Πώς λοιπόν θα μπορούσατε να προσομοιώσετε το ίδιο το σύμπαν; Λοιπόν, πρώτα απ 'όλα, χρειάζεστε μια καλή θεωρία για να εξηγήσετε πώς σχηματίζεται το σύμπαν. Ευτυχώς, έχουμε ένα - αλλά αυτό δεν σημαίνει ότι είναι τέλειο ή ότι είμαστε 100% σίγουροι ότι είναι το σωστό - δεν γνωρίζουμε ακόμα πόσο γρήγορα διαστέλλεται το σύμπαν, για παράδειγμα.

Στη συνέχεια, προσθέτετε όλα τα συστατικά την κατάλληλη στιγμή, στη σωστή κλίμακα – η σκοτεινή ύλη και η κανονική ύλη ενώνονται για να σχηματίσουν γαλαξίες όταν το σύμπαν ήταν περίπου 200-500 εκατομμυρίων ετών.

Περιεχόμενα

• 1 προσομοιώσεις N-σώματος
• 2 εικονικοί κατάλογοι
• 3 Υλικό
• 4 Υπόθεση Προσομοίωσης
  • 4.1 Μαθήματα από προσομοιώσεις

Προομοιώσεις N-body

Οι προσομοιώσεις του σύμπαντος γίνονται από επιστήμονες για πολλούς λόγους. Είναι ένας τρόπος να μάθετε περισσότερα για το σύμπαν ή απλά να δοκιμάσετε ένα μοντέλο και να το αντιμετωπίσετε με πραγματικά αστρονομικά δεδομένα. Εάν μια θεωρία είναι σωστή, τότε η δομή που σχηματίζεται στην προσομοίωση θα φαίνεται όσο το δυνατόν πιο ρεαλιστική.

Υπάρχουν διαφορετικοί τύποι προσομοιώσεων, ο καθένας με τη δική του χρήση και πλεονεκτήματα. Για παράδειγμα, οι προσομοιώσεις «Ν-σώματος» επικεντρώνονται στην κίνηση των σωματιδίων, επομένως υπάρχει μεγάλη εστίαση στη βαρυτική δύναμη και τις αλληλεπιδράσεις.

Το Millenium Run, για παράδειγμα, ενσωματώνει πάνω από 10 δισεκατομμύρια σωματίδια σκοτεινής ύλης. Ακόμη και χωρίς να γνωρίζουν τι είναι πραγματικά η σκοτεινή ύλη, οι ερευνητές μπορούν να χρησιμοποιήσουν αυτά τα «σωματίδια» για να προσομοιώσουν τις ιδιότητες της σκοτεινής ύλης. Υπήρχαν και άλλες προσομοιώσεις, όπως το IllustrisTNG, το οποίο προσφέρει τη δυνατότητα σχηματισμού αστεριών, σχηματισμού μαύρης τρύπας και άλλες λεπτομέρειες. Το πιο πρόσφατο είναι ένας κατάλογος 100 terabyte.

Τελικά, οι προσομοιώσεις δεν μπορούν να αποκαλύψουν κάθε λεπτομέρεια στο σύμπαν. Δεν μπορείτε να προσομοιώσετε τι γευστική πίτα έχει κάποιος, αλλά μπορείτε να έχετε αρκετές λεπτομέρειες για να εργαστείτε με πράγματα μεγάλης κλίμακας, όπως η δομή των γαλαξιών και άλλων σμηνών.

Mock Catalogs

Ένας άλλος τύπος μοντέλου είναι ένας εικονικός κατάλογος. Τα Mocks έχουν σχεδιαστεί για να μιμούνται μια αποστολή και χρησιμοποιούν δεδομένα που συλλέγονται από τηλεσκόπια για χρόνια και χρόνια. Στη συνέχεια, δημιουργείται ένας χάρτης κάποιας δομής — θα μπορούσε να είναι γαλαξίες, κβάζαρ ή άλλα πράγματα.

Οι κοροϊδίες προσομοιώνουν αυτά τα αντικείμενα ακριβώς όπως παρατηρήθηκαν, με τις καταγεγραμμένες φυσικές τους ιδιότητες. Είναι κατασκευασμένα σύμφωνα με ένα μοντέλο του σύμπαντος, με όλα τα συστατικά που γνωρίζουμε.

Η θεωρία από το μοντέλο που χρησιμοποιείται για τις κοροϊδίες μπορεί να ελεγχθεί συγκρίνοντάς τα με την παρατήρηση των τηλεσκοπίων. Αυτό δίνει μια ιδέα για το πόσο σωστές ή λάθος είναι οι υποθέσεις και οι θεωρίες μας και είναι ένας πολύ καλός τρόπος για να τεθούν σε δοκιμασία ιδέες. Συνήθως, οι ερευνητές χρησιμοποιούν περίπου 1000 κοροϊδίες για να δώσουν επίσης στατιστική σημασία στα αποτελέσματά τους.

Υλικό

Ας ρίξουμε μια ματιά στα παρασκήνια πώς παράγονται τα μοντέλα — και πόση ενέργεια καταναλώνουν. Αυτές οι αστρονομικές και κλιματικές προσομοιώσεις γίνονται σε υπερυπολογιστές και είναι σούπερ. Το Millenium Run, για παράδειγμα, έγινε χρησιμοποιώντας τον υπερυπολογιστή Regatta. Για αυτές τις προσομοιώσεις, χρειαζόταν 1 terabyte RAM και οδήγησε σε 23 terabyte ακατέργαστων δεδομένων.

Το IllustristTNG χρησιμοποίησε το Hazel Hen. Αυτό το θηρίο μπορεί να εκτελέσει με 7,42 τετράκις δισεκατομμύρια λειτουργίες κινητής υποδιαστολής ανά δευτερόλεπτο (Pflops), που ισοδυναμεί με εκατομμύρια φορητούς υπολογιστές που συνεργάζονται. Επιπλέον, η Hazel Hen καταναλώνει 3200 κιλοβάτ ενέργειας — κάτι που οδηγεί σε έναν πικάντικο λογαριασμό ηλεκτρικού ρεύματος. Το Uchuu, το οποίο είχε 100 terabytes αποτελέσματα, έγινε χρησιμοποιώντας το ATENURI II. Αυτό αποδίδει με 3.087 Pflops.

Σε μια προσομοίωση Oort Cloud, η ομάδα που συμμετείχε ανέφερε την ποσότητα ενέργειας που χρησιμοποίησε στην εργασία της:«Αυτό έχει ως αποτέλεσμα περίπου 2 MWh ηλεκτρικής ενέργειας http://green-algorithms.org/), που καταναλώνεται από τον εθνικό υπερυπολογιστή της Ολλανδίας». Μια συνήθεια που μπορεί να γίνει πιο κοινή στο μέλλον.

Υπόθεση προσομοίωσης

Τι μας λέει λοιπόν αυτό για την πιθανότητα το δικό μας σύμπαν να είναι προσομοίωση; Θα μπορούσαμε να ζούμε σε κάποιο είδος Matrix; Ή απλώς να βρίσκεστε σε ένα μικρόστροφο Rick&Morty; Φανταστείτε το κοινωνικό χάος του να καταλάβουμε ότι βρισκόμαστε σε ένα προσομοιωμένο σύμπαν και δεν είστε προνομιούχος πλούσιος πολίτης της χώρας; Αυτό δεν θα είχε καλό τέλος για τον αρχιτέκτονα.

Η υπόθεση της προσομοίωσης θεωρείται στην πραγματικότητα σοβαρά από ορισμένους ερευνητές. Υποβλήθηκε από τον Nick Bostrom και έχει τρεις βασικές προϋποθέσεις — τουλάχιστον μία πρέπει να είναι αληθινή: 

Τούτου λεχθέντος, η υπόθεση της προσομοίωσης δεν είναι μια επιστημονική θεωρία. Είναι απλά μια ιδέα — πολύ ενδιαφέρουσα, αλλά απλά, τίποτα περισσότερο από μια ιδέα.

Μαθήματα από προσομοιώσεις

Αυτό που μάθαμε κάνοντας τις προσομοιώσεις μας είναι ότι είναι αδύνατο να κάνουμε ένα τέλειο αντίγραφο της φύσης. Οι προσομοιώσεις Ν-σώματος είναι το τέλειο παράδειγμα, δεν μπορούμε να προσομοιώσουμε τα πάντα, αλλά τα σωματίδια που κάνουν αυτό που είναι σχετικό για μελέτη. Στα κλιματικά μοντέλα έχουμε το ίδιο πρόβλημα, είναι αδύνατο να δημιουργήσετε το τέλειο pixel για την αναπαραγωγή γεωγραφικών τοποθεσιών, μπορείτε μόνο να προσεγγίσετε τα επιθυμητά χαρακτηριστικά.

Η άλλη δυσκολία είναι η κατανάλωση ενέργειας, είναι δύσκολο για εμάς να προσομοιώσουμε κάποια φαινόμενα. Η προσομοίωση ενός σύμπαντος στο οποίο οι άνθρωποι κάνουν τις δικές τους επιλογές θα απαιτούσε απίθανη ποσότητα ισχύος και πώς θα μπορούσαν να αποθηκευτούν τα δεδομένα. Εκτός κι αν τελειώνει όπως το «The Last Question» του Asimov — το οποίο αξίζει να διαβαστεί.

Τελικά, οι προσομοιώσεις είναι δυνατές, αλλά τα μικροσύμπανα είναι απίθανα. Θα συνεχίσουμε να βελτιώνουμε τις προσομοιώσεις, κάνοντας καλύτερες σε έναν ταχύτερο υπερυπολογιστή. Όλα αυτά με τη σκέψη ότι χρειαζόμαστε ένα αποτελεσματικό πρόγραμμα, που να καταναλώνει λιγότερη ενέργεια και λιγότερο χρόνο.