Ученые создали эмулятор Effort.jl, способный симулировать Вселенную на ноутбуке

Международная команда ученых под руководством физика доктора Марко Боничи из Университета Ватерлоо представила революционный инструмент, способный радикально преобразовать методы обработки больших массивов данных в космологии. Новый инструмент, получивший название «Effort.jl», представляет собой высокопроизводительный дифференцируемый «эмулятор» — специальный тип алгоритма машинного обучения, моделирующий поведение крайне сложных космологических симуляций. Разработчики утверждают, что Effort.jl способен создавать модели крупномасштабной структуры Вселенной значительно быстрее традиционных методов.

Исследование было опубликовано в сентябре 2025 года в журнале «Journal of Cosmology and Astroparticle Physics» (JCAP). Согласно результатам, Effort.jl выполняет расчеты в сотни раз быстрее обычных подходов, сохраняя при этом высокую точность. Как пояснил доктор Боничи, этот инструмент позволит исследователям оперативно анализировать большие объемы данных на моделях типа EFTofLSS («эффективная теория поля крупномасштабной структуры»), процесс которого раньше занимал много времени и вычислительных мощностей. Теперь ученые смогут многократно запускать анализы, незначительно меняя исходные условия, что особенно важно в эпоху крупных научных проектов наподобие DESI и Euclid, поставляющих огромные объемы данных.

Современные космологические исследования базируются на гигантских наборах данных, начиная от карт распределения галактик и заканчивая измерениями космического микроволнового фона. Интерпретация этих данных требует сложного математического аппарата, называемого EFTofLSS, который связывает наблюдаемое распределение галактик с ненаблюдаемой структурой темной материи. Расчеты в рамках EFTofLSS занимают значительное количество времени, иногда исчисляемое днями или неделями на мощных суперкомпьютерах.

Effort.jl, разработанный на языке программирования Julia, устраняет эту проблему путем замены наиболее трудоемких этапов расчетов искусственной нейронной сетью, способной выдавать точные прогнозы почти мгновенно. Основой инструмента служит нейросеть, воссоздающая спектр мощности галактик — ключевой статистический показатель распределения галактик в космосе. За счет сочетания физического предварительного анализа данных с возможностями машинного обучения новый инструмент обеспечивает и высокую производительность, и исключительную точность. Важнейшим преимуществом Effort.jl является его полная дифференцируемость, позволяющая применять современные статистические методы, такие как Гамильтоновский метод Монте-Карло (HMC), для эффективного изучения многомерных пространств параметров.

Во время тестирования Effort.jl демонстрировал выдающиеся показатели производительности: расчет спектра мощности галактик занял всего около 15 микросекунд на одно ядро центрального процессора. Когда инструмент использовался совместно с современными инструментами байесовского анализа, такими как Turing.jl, полные статистические выводы выполнялись менее чем за десять минут на стандартном персональном компьютере, тогда как традиционные программы занимали часы на специализированных вычислительных кластерах. Тесты подтвердили надежность Effort.jl: его результаты согласуются с традиционным инструментом pyBird, широко используемым в космологической практике, но достигаются намного быстрее.

Особенность Effort.jl состоит в том, что он отличается прозрачностью: в отличие от многих других решений в области искусственного интеллекта, принцип работы Effort.jl основан на физическом предварительном анализе данных. Входные и выходные данные обрабатываются согласно установленным физическим законам, что ограничивает влияние случайных элементов, обеспечивая надежную работу сети именно там, где необходима максимальная точность. Например, применение метода символической регрессии помогло уменьшить время расчета критически важного параметра с 150 микросекунд до 200 наносекунд.

Сегодня космология входит в эпоху массовых потоков данных, поступающих от таких обсерваторий, как DESI, собирающих миллионы объектов одновременно. Основной проблемой становится не столько получение новых данных, сколько способность их эффективно обработать. Effort.jl открывает новые возможности: теперь ученые могут исследовать широкий диапазон теоретических предположений, проверять альтернативные гипотезы о природе темной энергии и комбинировать разнородные наборы данных внутри единой общей системы анализа. Модульная структура инструмента допускает адаптацию к другим областям науки, таким как физика плазмы или материаловедение.

Таким образом, Effort.jl ускоряет цикл исследований: от сбора данных до публикации результатов. Используя этот инструмент, ученые смогут повысить точность оценки ключевых космологических параметров, таких как скорость расширения Вселенной, плотность темной материи и характеристики темной энергии. В настоящее время разработчики сделали Effort.jl доступным на платформе GitHub под открытой лицензией MIT, надеясь, что их разработка облегчит и ускорит достижения в науке не только в космологии, но и в смежных областях, где важна высокая эффективность и четкость работы сложных моделей.