科学家们已经习惯于使用超级计算机来处理宇宙学领域的海量数据。学习技术（与AI绘画或作曲具有相同的底层设计）可在图形处理单元(GPU)上实现高级模拟功能。研究项目“这个人不存在”试图使用众所周知的硬件和神经网络技术以高分辨率模拟我们的真实宇宙。这项极具前瞻性的研究可能会彻底改变我们认识宇宙和理解物理定律的方式。据研究团队称，使用传统方法在单个处理核心上运行宇宙学模拟大约需要23天。因此，研究人员倾向于使用超级计算机来完成此类模拟任务。之所以如此困难，是因为物理学仍然充满了未解之谜。我们找不到一套可以解释整个宇宙的统一规则，科学家也不知道如何将经典物理定律与在量子领域观察到的现象联系起来。为此，我们必须努力探索。当涉及到预测宇宙暗物质数量等难题时，科学家不得不尝试不同的预设值。只有这样反复试错，才能最终得到更接近真实情况的结果。科学家们从模拟开始，对照太空望远镜和其他观测数据来源检查他们的发现，然后模拟、再次检查，等等。问题在于超级计算机的运行成功率如此之高，以至于租用它们一小时通常要花费数千美元。与单个GPU的低功耗水平相比，超级计算机就像一个咆哮的熔炉。所以对于这种试错问题，超级计算机显然不是最好的解决方案。路在何方？研究人员将问题归结为：目前，我们可以从宇宙小块的高分辨率模拟开始，然后转向大模拟区域的低分辨率模拟。大面积高分辨率图像的处理必须谨慎进行，因为它会消耗大量时间、精力和精力。但这样的现状，就相当于在模拟整个宇宙时设置了一道无法逾越的鸿沟。贯穿天空的桥梁是AI。卡耐基梅隆大学团队选择的方法不是教AI以编程方式模拟整个宇宙（这仍然可以设置无限多的变量），而是直接以高分辨率的形式进行图像模拟。这大大提高了仿真效率。提高了多少？卡内基梅隆大学的JocelynDuffy表示：经过训练的代码可以采用完整的低分辨率模型并进行超高分辨率模拟，将其中包含的粒子数量最多扩大512倍。对于直径约5亿光年、包含1.34亿个粒子的宇宙区域，原方法需要560小时才能在单个处理核心上完成高分辨率模拟；使用新方法，研究人员只需要36分钟。随着更多粒子被添加到模拟管道中，效果变得更加明显。对于包含1340亿个粒子的“千亿”（与之前的用例相比）宇宙，研究人员的新方法仅需16小时即可在单个图形处理单元上进行处理。使用旧方法，这种大小和分辨率的模拟必须在专用的超级计算机上进行处理，并且需要几个月的时间来处理。这并不是说人工智能真的可以“理解”我们无法企及的宇宙。相反，它只是以令人信服的方式将低分辨率模拟图像增强为高分辨率形式，帮助科学家以更少的时间、精力和精力投入获得可靠的模拟结果。从本质上讲，这就像给AI提供了电影分镜的草稿，然后由它输出真实电影的具体样貌。它还不完美，但可以在一定保真度水平上省去现实生活中拍摄的麻烦。实际过程当然比本文描述的要复杂得多。但幸运的是，模拟的宇宙图像更容易验证，我们可以直接将结果与观测数据进行比较。唯一的谜团是我们不知道AI模型是如何完成填充的。这一最新成果将宇宙学模拟从超级计算机专利变成了可以在游戏PC上运行的“小机箱”。研究人员也可以借此快速检验自己的灵感，推动仿真能力的大众化转型。从乐观的角度来看，这项研究有可能彻底改变我们观察真实宇宙的方式。运气好的话，我们或许能够更好地对暗物质、引力效应甚至宇宙起源做出原则性解释。
