宣布了一种通过使用AI分析天文观测数据在短时间内模拟空间结构的技术。因此，预期必须进行大量时间的空间研究将加速。
从天文望远镜收集到的观测结果模拟宇宙的结构，对于加深对宇宙的了解并揭示暗物质的身份（这是宇宙最大的谜团之一）的研究至关重要。但是，这需要巨大的计算成本，到目前为止，已经牺牲了模拟的范围或准确性，或两者兼而有之。
卡内基梅隆大学的研究团队开发了一种AI，该AI通过在高分辨率图像数据上学习基于敌对生成网络GAN的机器学习算法，从而从低分辨率图像准确生成高分辨率图像数据。据说以这种方式开发的AI是从低分辨率图像到包含512x粒子的超高分辨率图像创建的。
分析所需的时间也大大减少了。例如，在5亿光年的空间中具有1.34亿个粒子的模型在现有模拟中花费了560个小时，但AI在36分钟内完成了建模。此外，为了将粒子数量增加到1,340亿个（是1000倍），在现有的模拟中使用专用的超级计算机花了几个月的时间，但AI可以在16小时内完成它。
研究小组表示，如果可以缩短空间模拟所需的时间，则可能会导致物理学和天文学的巨大进步。模拟空间可以模仿过去到将来的宇宙历史，例如星系和黑洞的形成。据说是。
以这种方式开发的AI是使用预测重力对暗物质影响的技术开发的，因此它擅长模拟大型空间结构，但是据说它会忽略整个宇宙中相对较小的现象，例如恒星形成，超新星和黑洞。将来，研究团队计划通过使用现有方法和AI并行执行模拟来提高AI准确性。相关信息可以在这里找到。