Biegowelove.pl

informacje o Polsce. Wybierz tematy, o których chcesz dowiedzieć się więcej

Astrofizycy ujawniają największą w historii symulację Wszechświata – jak grawitacja kształtowała rozkład ciemnej materii

Astrofizycy ujawniają największą w historii symulację Wszechświata – jak grawitacja kształtowała rozkład ciemnej materii

Aby zrozumieć, w jaki sposób powstał wszechświat, astronomowie AbacusSummit stworzyli ponad 160 symulacji tego, jak grawitacja kształtuje rozkład ciemnej materii.

Nowo wydana kosmiczna macierz symulacyjna jest największą, jaką kiedykolwiek wyprodukowano, rejestrując łącznie prawie 60 bilionów cząstek.

Zestaw symulacyjny, nazwany AbacusSummit, będzie przydatny do wydobywania sekretów wszechświata z nadchodzących badań wszechświata, czego oczekują jego twórcy. Przedstawiają AbacusSummit w kilku artykułach naukowych opublikowanych niedawno w: Comiesięczne zawiadomienia Królewskiego Towarzystwa Astronomicznego.

AbacusSummit jest dziełem naukowców z Centrum Astrofizyki Obliczeniowej (CCA) Instytutu Flatiron (CCA) w Nowym Jorku oraz Centrum Astrofizyki | Harvard i Smithsonian. Składający się z ponad 160 symulacji przedstawia, w jaki sposób cząstki we wszechświecie poruszają się pod wpływem grawitacji. Modele te, znane jako symulacje N-ciał, wychwytują zachowanie ciemnej materii, tajemniczej i niewidzialnej siły, która stanowi 27% wszechświata i oddziałuje wyłącznie grawitacyjnie.

Jak grawitacja kształtowała rozkład ciemnej materii?

Kolekcja AbacusSummit zawiera setki symulacji tego, jak grawitacja kształtuje rozkład ciemnej materii we wszechświecie. Tutaj migawka jednej z symulacji jest pokazana w skali powiększenia 1,2 miliarda lat świetlnych. Symulacje odtwarzają wielkoskalowe struktury naszego wszechświata, takie jak kosmiczna sieć i masywne gromady galaktyk. Źródło: zespół AbacusSummit; Planowanie i projektowanie: Lucy Reading-Ikanda

mówi Lehman Garrison, główny autor jednego z nowych artykułów i pracownik naukowy CCA.

Garrison kierował rozwojem symulacji blatów wraz ze studentką Niną Maksimovą i profesorem astronomii Danielem Eisensteinem, którzy pracują w Centrum Astrofizyki. Symulacje przeprowadzono na superkomputerze Departamentu Energii Stanów Zjednoczonych w Oak Ridge Leadership Computing Facility w Tennessee.

Wiele przeglądów kosmosu pozwoli w nadchodzących latach stworzyć mapy wszechświata z niespotykaną dotąd szczegółowością. Te urządzenia do spektroskopii ciemnej energii obejmują (DESI), rzymski teleskop kosmiczny Nancy Grace, obserwatorium Vera Sea Robin i statek kosmiczny Euclid. Jednym z celów tych wysokobudżetowych misji jest poprawa szacunków parametrów kosmologicznych i astrofizycznych, które określają zachowanie i wygląd wszechświata.

READ  Domowe środki zaradcze na SM: 7 codziennych wskazówek dotyczących radzenia sobie z objawami

Naukowcy dokonają tych ulepszonych szacunków, porównując nowe obserwacje z komputerowymi symulacjami wszechświata o różnych wartościach dla różnych parametrów — takich jak natura ciemnej energii, która oddziela wszechświat.

AbacusSummit korzysta z obliczeń równoległych

Licznik wykorzystuje równoległe przetwarzanie komputerowe, aby znacznie przyspieszyć obliczenia dotyczące ruchu cząstek pod wpływem ich grawitacji. Podejście sekwencyjne (u góry) oblicza przyciąganie między każdą parą cząstek jedna po drugiej. Przetwarzanie równoległe (na dole) zamiast tego dzieli pracę na wiele rdzeni obliczeniowych, umożliwiając jednoczesne obliczanie interakcji wielu cząstek. Źródło: Fundacja Lucy Reading-Ikkanda/Simons

„Następna generacja przeglądów kosmologicznych będzie bardzo szczegółowo mapować wszechświat i zbadać szeroki zakres pytań kosmologicznych”, mówi Eisenstein, który jest współautorem nowych artykułów MNRAS. Jednak wykorzystanie tej szansy wymaga nowej generacji ambitnych symulacji numerycznych. Wierzymy, że AbacusSummit będzie odważnym krokiem w kierunku synergii między kontem a doświadczeniem. „

Trwający dekadę projekt był zniechęcający. Obliczenia N-ciał, które mają na celu obliczenie ruchów obiektów, takich jak planety, oddziałujących z grawitacją, są wyzwaniem numer jeden w dziedzinie fizyki od czasów Izaaka Newtona. Sztuczka wynika z interakcji każdego obiektu z każdym innym obiektem, niezależnie od jego odległości. Oznacza to, że gdy dodajesz więcej rzeczy, liczba interakcji gwałtownie rośnie.

Nie ma ogólnego rozwiązania problemu N-ciał dla trzech lub więcej masywnych ciał. Dostępne obliczenia są tylko przybliżonymi szacunkami. Powszechną metodą jest zamrożenie czasu, obliczenie całkowitej siły działającej na każdy obiekt, a następnie wypchnięcie każdego elementu w oparciu o całkowitą siłę, jakiej doświadcza. Potem czas przesuwa się trochę do przodu i proces się powtarza.

Stosując to podejście, AbacusSummit przetworzył ogromną liczbę cząstek dzięki sprytnemu kodowi, nowej metodzie numerycznej i dużej mocy obliczeniowej. W czasie, gdy zespół przeprowadzał obliczenia, superkomputer Summit był najszybszy na świecie; Wciąż najszybszy komputer w USA

READ  Opóźnienia Rocket Lab wracają do pracy, wystrzelenie dwóch satelitów, próba przywrócenia dopalacza

Zespół zaprojektował bazę kodu dla Summit AbacusSummit – zwaną Abacus – aby w pełni wykorzystać moc przetwarzania równoległego Summit, gdzie wiele obliczeń może być wykonywanych jednocześnie. W szczególności Summit może pochwalić się kilkoma procesorami graficznymi lub procesorami graficznymi, które wyróżniają się przetwarzaniem równoległym.

Przeprowadzanie obliczeń na N-ciałach przy użyciu przetwarzania równoległego wymaga starannego zaprojektowania algorytmu, ponieważ cała symulacja wymaga dużej ilości pamięci do przechowywania. Oznacza to, że licznik może nie tylko wykonywać kopie symulacji dla różnych węzłów superkomputera do pracy. Zamiast tego kod dzieli każdą symulację na siatkę. Wstępne obliczenia zapewniają rzetelne przybliżenie skutków odległych cząstek w dowolnym punkcie symulacji (które odgrywają znacznie mniejszą rolę niż pobliskie cząstki). Licznik następnie grupuje i oddziela pobliskie komórki, dzięki czemu komputer może pracować nad każdą grupą niezależnie, łącząc przybliżenia odległych cząstek z dokładnymi obliczeniami pobliskich cząstek.

„Algorytm licznika dobrze pasuje do możliwości nowoczesnych superkomputerów, zapewniając bardzo regularny wzorzec obliczeń dla ogromnej równoległości współdzielonych procesorów graficznych” — mówi Maximova.

Dzięki swojej konstrukcji licznik osiągał bardzo duże prędkości, odświeżając 70 milionów cząstek na sekundę na węzeł superkomputera Summit, jednocześnie analizując symulacje w trakcie ich działania. Każda cząsteczka reprezentuje masę ciemnej materii 3 miliardy mas Słońca.

„Naszą wizją było stworzenie tego kodu, aby dostarczyć symulacje potrzebne do tego zupełnie nowego, specyficznego badania galaktyk” – mówi Garrison. „Napisaliśmy kod, aby symulacje były znacznie szybsze i dokładniejsze niż kiedykolwiek wcześniej”.

Eisenstein, członek kolaboracji DESI, która niedawno rozpoczęła badania mające na celu zmapowanie bezprecedensowej części wszechświata, mówi, że chętnie korzysta z licznika w przyszłości.

„Kosmologia robi krok naprzód dzięki interdyscyplinarnemu połączeniu zdumiewających obserwacji i nowoczesnych komputerów” – mówi. „Następna dekada zapowiada się fascynująco w naszych badaniach nad historycznym zasięgiem wszechświata”.

READ  Epidemia spowodowała nowy rodzaj wypalenia, czyniąc dobrobyt bardziej niebezpiecznym niż kiedykolwiek

Odniesienie: „Abacus Top: Ogromna kolekcjaZdrowie, Symulacja N-body o wysokiej rozdzielczości” Nina A. Maksimova, Lyman H. Garrison, Daniel J. Eisenstein, Boriana Hadziska, Sunak Bose i Thomas P. Satterthwaite, 7 września 2021 r., mOkresowe powiadomienia Królewskiego Towarzystwa Astronomicznego.
DOI: 10.1093/mnras/stab2484

Dodatkowymi współautorami Abacus Summit i Abacus są Sihan Yuan z Stanford University, Philip Pinto z University of Arizona, Sunak Boss z Durham University w Anglii oraz z Center for Research in Astrophysics Boriana Hadjiska, Thomas Satterthwaite i Douglas Ferrer. Symulacje przeprowadzono na superkomputerze Summit w ramach zadania Advanced Computing Challenge for Scientific Computing Research.