Космическая паутина на поводке нейросети экспресс
В тёмной комнате звучит музыка. По полу рассыпана пудра — мелкая, почти невидимая. Низкие частоты заставляют её собираться в причудливые узоры: нити, сгустки, пустоты. Примерно так же гравитация за миллиарды лет сплетает галактики в космическую паутину — только вместо звуковых волн здесь работает притяжение. Чтобы понять, с какой «мелодии» всё началось, нужно прокрутить время вспять: от готового узора вернуться к исходной горстке пудры. Это и есть задача восстановления начальных условий Вселенной.
Обычные компьютерные симуляции для такого пути назад слишком тяжелы. Они честно считают каждый гравитационный толчок, но одна итерация может занять часы. Приближённые методы быстрее, однако срезают углы — теряют ту самую кружевную динамику, где рождаются гало. Авторы работы предлагают компромисс: клеточный автомат с мозгом нейросети. Модель LNCA (лагранжев нейроклеточный автомат) следит не за неподвижной сеткой плотности, а за самими частицами вещества и движется вместе с ними. Она учится лишь подправлять грубую, но физически осмысленную догадку — приближение Зельдовича. К этой основе модель добавляет аккуратные остаточные смещения. Так сохраняется точность на больших масштабах, а мелкие детали дорисовывает обучение.
Секрет экономии — в локальности. Каждая ячейка автомата обновляет своё состояние, глядя только на ближайших соседей, и делает это шаг за шагом. Получается не просто финальный снимок, а вся история движения — словно покадровая съёмка танца пылинок. Правила этого танца поворачиваются и сдвигаются вместе с веществом: архитектура обладает вращательной и трансляционной эквивариантностью. Итоговая точность впечатляет. Вплоть до масштабов около 12 мегапарсек (примерно 40 миллионов световых лет) модель ошибается не более чем на проценты. Это надёжный маятник для обратного хода времени — от современной паутины к почти однородному началу.
Оригинальная аннотация
как её написали авторы, на английском arXiv:2607.27320
Field-level inference of cosmological initial conditions from galaxy surveys requires a forward model that is simultaneously accurate in the non-linear regime, computationally efficient, and fully differentiable. Traditional N-body simulations are accurate but computationally prohibitive for iterative inference, while approximate solvers like Lagrangian Perturbation Theory (LPT) fail to capture the knotty halo-forming dynamics of the cosmic web at late times. We introduce the \textit{Lagrangian Neural Cellular Automaton} (LNCA), a hybrid deep learning framework that can be applied to emulate structure formation as a local, iterative dynamical process on a comoving lattice. Unlike standard Eulerian Convolutional Neural Networks (CNNs) which map fixed density fields, the LNCA operates in the Lagrangian frame, advecting the computational graph itself to follow the flow of mass. By training the network to learn only the \textit{residual} displacement corrections to the Zeldovich approximation, we achieve high-fidelity emulation of the non-linear physics while guaranteeing accuracy at large scales. We further constrain our model to produce complete trajectories, not just final states, by adopting an equivariant cellular automaton architecture, which recurrently iterates on its internal states to yield a dynamic history. The resulting model is strictly local, translationally and rotationally equivariant, and naturally supports continuous time integration, making it a reliable differentiable forward model for reconstructing the initial conditions of the universe from lightcone data. Our trained model supports percent-level precision in the power and cross spectra well into the non-linear regime ($$k \lesssim 0.5 \, h \text{Mpc}^{-1}$$), while requiring $$\sim10^4$$ times fewer learned parameters than comparable models which take the form of an interpretable internal dynamic rule set.
Приближение Зельдовича, которое модель берёт за основу, было придумано в 1970 году для описания роста возмущений в расширяющейся Вселенной. Оно настолько удачно, что до сих пор служит «нулевым приближением» во многих космологических расчётах.
В романе «Конец Вечности» Айзек Азимов описывает организацию, которая корректирует историю, просчитывая последствия малейших изменений. LNCA — шаг к подобному «вычислителю реальности», способному по текущему узору галактик восстановить исходные условия.