پروژه CAMELS به‌تازگی عظیم‌ترین مجموعه شبیه‌سازی‌هایی را منتشر کرده که شامل شبیه‌سازی ۴۲۳۳ جهان، میلیون‌ها کهکشان و ۳۵۰ ترابایت داده است. هدف این پروژه استفاده از شبیه‌سازی‌های کیهانی برای آموزش مدل‌های هوش مصنوعی است تا شاید بتوانیم برخی از ویژگی‌های جهان خودمان را رمزگشایی کنیم.

«فرانسیسکو ویاسکوسا-ناوارو» مدیر مشترک این پروژه می‌گوید دانشمندان همین حالا استفاده از این اطلاعات را که به رایگان برای دانلود قرار داده شده آغاز کرده‌اند تا مطالعات خود را پیش ببرند. ویاسکوسا-ناوارو به همراه «شای جنل» و «دنیل آنجلس-آلکازار»، دانشمندان موسسه «فلاتیرون» این پروژه را پیش می‌برد.

آنجلس آلکازار می‌گوید: «یادگیری ماشینی بسیاری از حوزه‌های علم را متحول کرده، اما برای استفاده از تمام ظرفیت این فناوری به حجم عظیمی از داده نیاز است. انتشار عمومی داده‌های CAMELS مشتمل بر هزاران جهان شبیه‌سازی‌شده که دامنه گسترده‌ای از علم فیزیک را پوشش می‌دهد، فرصتی استثنایی را برای کندوکاو پیرامون قابلیت الگوریتم‌های یادگیری ماشینی در حل انواع مختلف مسائل در اختیار محققان کهکشان و کیهان‌شناسان قرار می‌دهد.»

تیم پروژه CAMELS این شبیه‌سازی‌ها را با استفاده از کد پروژه‌های IllustrisTNG و Simba به وجود آورده است. اعضای تیم هم از ترکیب اعضای این دو پروژه گرد هم آمده‌اند. حدود نیمی از این شبیه‌سازی‌ها علم فیزیک کیهان را با فیزیک مقیاس‌های پایین‌تر اما تاثیرگذار در شکل‌گیری کهکشان‌ها ترکیب می‌کند.

شبیه‌سازی‌های کیهانی با هم کمی فرق می‌کنند

هر شبیه‌سازی با مفروضات نسبتا متفاوتی در باب جهان اجرا می‌شود. این مفروضات مثلا پیرامون مقدار ماده تاریک نامرئی در تناسب با انرژی تاریکی است که کیهان را منبسط می‌کند. محققان این شبیه‌سازی‌ها را برای آموزش مدل‌های یادگیری ماشینی طراحی کرده‌اند تا بعدا بتوانند از مشاهدات دنیای واقعی اطلاعات مفیدی استخراج کنند.

پروژه CAMELS که از سرواژه عبارت «کیهان‌شناسی و اخترشناسی با شبیه‌سازی‌های یادگیری ماشینی» ساخته شده، بزرگ‌ترین مجموعه شبیه‌سازی‌های کیهانی ساخته شده برای الگوریتم‌های یادگیری ماشینی است. این داده‌ها می‌توانند به اکتشافات جدید و ایجاد پیوند میان کیهان‌شناسی و اخترشناسی کمک کنند.

یکی از پروژه‌هایی که از این مجموعه داده استفاده کرده مربوط به محققی از دانشگاه «والنسیا» اسپانیاست. او و تیمش با شبیه‌سازی‌های CAMELS یک مدل هوش مصنوعی را آموزش دادند تا جرم کهکشان راه شیری و حلقه ماده تاریک پیرامون آن را به همراه کهکشان اندرومدا و حلقه‌های آن اندازه‌گیری کنند. نتیجه این بود که جرم کهکشان ما حدود ۱ تا ۲.۶ تریلیون برابر جرم خورشید برآورد شد. این تخمین با اعدادی که از طریق سایر روش‌های علمی به دست آمده مطابقت دارد و دقت بالای مدل‌های هوش مصنوعی را نشان می‌دهد.