論文の概要: The First Star-by-star $N$-body/Hydrodynamics Simulation of Our Galaxy Coupling with a Surrogate Model
- arxiv url: http://arxiv.org/abs/2510.23330v1
- Date: Mon, 27 Oct 2025 13:45:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-28 15:28:15.560518
- Title: The First Star-by-star $N$-body/Hydrodynamics Simulation of Our Galaxy Coupling with a Surrogate Model
- Title（参考訳）: 最初のスター・バイ・スター$N$-body/Hydrodynamics Simulation of our Galaxy Coupling with a Surrogate Model
- Authors: Keiya Hirashima, Michiko S. Fujii, Takayuki R. Saitoh, Naoto Harada, Kentaro Nomura, Kohji Yoshikawa, Yutaka Hirai, Tetsuro Asano, Kana Moriwaki, Masaki Iwasawa, Takashi Okamoto, Junichiro Makino,
- Abstract要約: 計算天体物理学の主要な目標は、個々の恒星に十分な解像度で銀河をシミュレートすることである。
我々は,機械学習で動作するN$-body/hydrodynamicsシミュレーションの新たな統合手法を開発した。
提案手法では,148,900ノードを7,147,200個のCPUコアに換算して,300億個の粒子に到達した。
この分解能により、銀河系内の個々の恒星を分解する最初の星毎の銀河シミュレーションを行うことができる。
- 参考スコア（独自算出の注目度）: 0.11371613777160501
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A major goal of computational astrophysics is to simulate the Milky Way Galaxy with sufficient resolution down to individual stars. However, the scaling fails due to some small-scale, short-timescale phenomena, such as supernova explosions. We have developed a novel integration scheme of $N$-body/hydrodynamics simulations working with machine learning. This approach bypasses the short timesteps caused by supernova explosions using a surrogate model, thereby improving scalability. With this method, we reached 300 billion particles using 148,900 nodes, equivalent to 7,147,200 CPU cores, breaking through the billion-particle barrier currently faced by state-of-the-art simulations. This resolution allows us to perform the first star-by-star galaxy simulation, which resolves individual stars in the Milky Way Galaxy. The performance scales over $10^4$ CPU cores, an upper limit in the current state-of-the-art simulations using both A64FX and X86-64 processors and NVIDIA CUDA GPUs.
- Abstract（参考訳）: 計算天体物理学の主要な目標は、個々の恒星に十分な解像度で銀河をシミュレートすることである。
しかし、超新星爆発のような小規模で短期的な現象のためにスケーリングは失敗する。
我々は,機械学習で動作するN$-body/hydrodynamicsシミュレーションの新たな統合手法を開発した。
このアプローチは、サロゲートモデルを用いて超新星爆発による短い時間経過をバイパスし、スケーラビリティを向上する。
この手法では,148,900個のノードを7,147,200個のCPUコアと等価とし,現在最先端のシミュレーションで直面している10億個の粒子障壁を突破し,300億個の粒子に到達した。
この分解能により、銀河系内の個々の恒星を分解する最初の星毎の銀河シミュレーションを行うことができる。
パフォーマンスは、A64FXとX86-64プロセッサとNVIDIA CUDA GPUを使用して、現在の最先端シミュレーションの上限である10^4$ CPUコアを越える。
関連論文リスト
- GaussGym: An open-source real-to-sim framework for learning locomotion from pixels [78.05453137978132]
本稿では,3次元ガウススプラッティングをベクトル化物理シミュレータのドロップインとして統合した光現実的ロボットシミュレーションを提案する。
これにより、コンシューマGPUで毎秒10万ステップを超える、前例のないスピードを実現している。
また,シミュレーティブ・トゥ・リアル・ロボティクス・セッティングにおける適用性を実証した。
論文 参考訳（メタデータ） (2025-10-17T06:34:52Z) - ASURA-FDPS-ML: Star-by-star Galaxy Simulations Accelerated by Surrogate Modeling for Supernova Feedback [0.7324709841516586]
代理モデルによって加速される新しい高分解能銀河シミュレーションを導入し、計算コストを約75%削減する。
Zero Age Main Sequence mass of about 10 $mathrmM_odot$ explosion as core-collapse supernovae (CCSNe)
計算コストを削減し,物理スケールギャップを効果的に橋渡しし,マルチスケールシミュレーションを可能にする。
論文 参考訳（メタデータ） (2024-10-30T18:00:02Z) - Surrogate Modeling for Computationally Expensive Simulations of
Supernovae in High-Resolution Galaxy Simulations [0.7927502566022343]
我々は,超新星が周囲のガスに与える影響を予測するため,機械学習とギブスサンプリングを組み合わせた手法を開発した。
本手法は、SNサブグリッドモデルを置き換えることができ、銀河形成シミュレーションにおいて未解決SNフィードバックを適切にシミュレートするのに役立つ。
論文 参考訳（メタデータ） (2023-11-14T19:00:03Z) - Quantum algorithm for collisionless Boltzmann simulation of self-gravitating systems [0.0]
衝突のないボルツマン方程式(CBE)を解くための効率的な量子アルゴリズムを提案する。
我々は,自己重力系の量子シミュレーションを行うアルゴリズムを拡張し,重力を計算する手法を取り入れた。
これにより、将来の量子コンピュータで大規模なCBEシミュレーションを実行できる。
論文 参考訳（メタデータ） (2023-03-29T06:59:00Z) - Robust Field-level Likelihood-free Inference with Galaxies [0.0]
我々は、CAMELSプロジェクトの最先端の流体力学シミュレーションから銀河カタログを用いて、グラフニューラルネットワークを訓練し、フィールドレベル確率自由推論を行う。
我々のモデルは回転、翻訳、置換不変であり、スケールにいかなるカットも課さない。
我々のモデルは、天体物理学、サブグリッド物理学、およびサブハロ/ガラクシーファインダーの変化に対して堅牢であることがわかった。
論文 参考訳（メタデータ） (2023-02-27T19:26:13Z) - Satellite galaxy abundance dependency on cosmology in Magneticum
simulations [101.18253437732933]
宇宙論的パラメータに基づく衛星量のエミュレータを構築した。
A$ と $beta$ はたとえ弱いとしても、宇宙的パラメータに依存する。
また、衛星の宇宙論の依存性は、フル物理シミュレーション(FP)、ダークマターシミュレーション(DMO)、非放射性シミュレーション(非放射性シミュレーション)の違いも示している。
論文 参考訳（メタデータ） (2021-10-11T18:00:02Z) - Megaverse: Simulating Embodied Agents at One Million Experiences per
Second [75.1191260838366]
私たちは、強化学習と具体化AI研究のための新しい3DシミュレーションプラットフォームであるMegaverseを紹介します。
MegaverseはDeepMind Labより最大70倍速い。
私たちはMegaverseを使って、複数の単一エージェントタスクとマルチエージェントタスクからなる新しいベンチマークを構築します。
論文 参考訳（メタデータ） (2021-07-17T03:16:25Z) - DeepShadows: Separating Low Surface Brightness Galaxies from Artifacts
using Deep Learning [70.80563014913676]
本研究では,低地光度銀河と人工物とを分離する問題に対する畳み込みニューラルネットワーク(CNN)の利用について検討する。
我々は、CNNが低地光度宇宙の研究に非常に有望な道を提供することを示した。
論文 参考訳（メタデータ） (2020-11-24T22:51:08Z) - Quantum Algorithms for Simulating the Lattice Schwinger Model [63.18141027763459]
NISQとフォールトトレラントの両方の設定で格子シュウィンガーモデルをシミュレートするために、スケーラブルで明示的なデジタル量子アルゴリズムを提供する。
格子単位において、結合定数$x-1/2$と電場カットオフ$x-1/2Lambda$を持つ$N/2$物理サイト上のシュウィンガーモデルを求める。
NISQと耐故障性の両方でコストがかかるオブザーバブルを、単純なオブザーバブルとして推定し、平均ペア密度を推定する。
論文 参考訳（メタデータ） (2020-02-25T19:18:36Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。