基于深度学习的无碰撞引力N体数值模拟的可行性研究 | |
赵梓成2,3; 龙潜3; 董小波3; 孟润宇2,3; 钟诗言3; 谌俊毅3; 向梓琨1 | |
刊名 | 天文研究与技术/Astronomical Research & Technology
![]() |
2021 | |
关键词 | 泊松方程 引力N体数值模拟 深度神经网络 |
ISSN号 | 1672-7673 |
DOI | 10.14005/j.cnki.issn1672-7673.20210730.004 |
其他题名 | Feasibility study of collisionless gravitational N-body numerical simulation based on deep learning |
产权排序 | 第1完成单位 |
英文摘要 | 本文提出,用深度神经网络代替快速傅里叶变换法,求解无碰撞引力N体数值模拟方法PM-Tree中的势能,以提升PM-Tree方法的效率,验证深度学习方法加速无碰撞引力N体数值模拟的可行性。无碰撞引力N体数值模拟对研究星系、暗物质晕以及宇宙大尺度结构的形成和演化都有重要意义。而无碰撞引力N体数值模拟的传统方法在大规模问题上的模拟计算非常耗时,其中常用的PM-Tree方法的主要耗时部分是求解势能(解Poisson方程)。本文提出使用深度神经网络代替传统方法加速求解Poisson方程,多次调整并训练和测试深度神经网络模型结构,最终选用了辅以残差网络局部结构的Encoder-Decoder整体结构。验证了深度神经网络解Poisson方程的计算时间复杂度为O(N);同样数据下进行测试,速度快于快速傅里叶变换方法求解和有限差分法求解;在同等采样率的情况下,精度优于快速傅里叶变换方法求解;并且具有可扩展性。故无碰撞引力N体数值模拟中,用深度神经网络可以提升PM-Tree方法中求解势能的速度,从而有效提升整体模拟速度。 |
学科主题 | 天文学 ; 星系与宇宙学 ; 计算机科学技术 ; 人工智能 ; 计算机应用 |
分类号 | P132+.4 ; TP183 |
资助项目 | 国家自然科学基金资助项目[11773074] ; 国家自然科学基金资助项目[11873083] |
语种 | 中文 |
资助机构 | 国家自然科学基金资助项目[11773074, 11873083] |
内容类型 | 期刊论文 |
版本 | 作者接受稿 |
源URL | [http://ir.ynao.ac.cn/handle/114a53/24496] ![]() |
专题 | 云南天文台_丽江天文观测站(南方基地) |
通讯作者 | 龙潜 |
作者单位 | 1.中国科学技术大学物理学院 2.中国科学院大学; 3.中国科学院云南天文台; |
推荐引用方式 GB/T 7714 | 赵梓成,龙潜,董小波,等. 基于深度学习的无碰撞引力N体数值模拟的可行性研究[J]. 天文研究与技术/Astronomical Research & Technology,2021. |
APA | 赵梓成.,龙潜.,董小波.,孟润宇.,钟诗言.,...&向梓琨.(2021).基于深度学习的无碰撞引力N体数值模拟的可行性研究.天文研究与技术/Astronomical Research & Technology. |
MLA | 赵梓成,et al."基于深度学习的无碰撞引力N体数值模拟的可行性研究".天文研究与技术/Astronomical Research & Technology (2021). |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论