银河系包含超过1000亿颗恒星，每颗恒星都沿着自己的演化路径，经历诞生、生命，有时还会经历剧烈的死亡">银河系包含超过1000亿颗恒星，每颗恒星都沿着自己的演化路径，经历诞生、生命，有时还会经历剧烈的死亡">银河系包含超过1000亿颗恒星，每颗恒星都沿着自己的演化路径，经历诞生、生命，有时还会经历剧烈的死亡。
数十年来，天体物理学家一直梦想创建我们星系的完整模拟，即一个数字孪生体，用以测试关于星系如何形成和演化的理论。但这个梦想一直因难以逾越的计算障碍而破灭。
直到现在，由日本理化学研究所跨学科理论与数学科学中心的平岛启也领导的研究人员，实现了看似遥不可及的目标，模拟了银河系10000年时间里1000亿颗恒星中的每一颗。
这一突破源于人工智能与传统物理模拟的意外结合，并在今年的超级计算大会上公布。问题不仅仅在于规模，尽管涉及的数字十分惊人。
此前最先进的星系模拟大约能处理10亿个太阳质量，这意味着其最小的“粒子”代表着约100颗恒星组成的星团。个体恒星事件被平均化，消失在噪声中。要捕捉单个恒星的情况，需要在模拟中采取极小的时间步长，短到足以捕捉超新星爆发等快速变化。
但更小的时间步长需要指数级增长的计算能力。使用传统方法以单个恒星分辨率模拟银河系，每百万年的星系演化就需要超级计算机运行315小时。模拟10亿年则需要耗费36年的实际时间。增加处理器核心也无法解决问题，因为超过一定程度后，效率会急剧下降，而能源消耗却会飙升。
平岛的团队在深度学习替代模型中找到了解决方案。他们用超新星的高分辨率模拟训练人工智能，教会它预测爆炸后10万年中气体如何膨胀。
这个人工智能捷径在不拖累模型其他部分的情况下处理快速的小规模物理过程，使模拟能够同时追踪星系范围的动力学和个体恒星的灾变。性能提升十分显著，原本需要36年的模拟现在仅需115天。
该团队在理化学研究所的富岳超级计算机和东京大学的宫部系统上进行大规模测试，验证了他们的结果，证实这个人工智能增强的模拟以前所未有的规模产生了准确的结果。
这种方法可能会改变我们对任何涉及空间和时间尺度差异极大的系统进行建模的方式。气候科学、天气预报和海洋动力学都面临类似挑战，需要将从分子到行星尺度的过程联系起来。