Всем привет – Это MilkyWay!
Запись от Programma_Boinc размещена 31.10.2020 в 09:25
| Всем привет – Это MilkyWay! Прошло много времени с тех пор, как мы обновили эту ветку. Многое произошло с MilkyWay @ home, и я хотел бы обсудить некоторые новые вещи, которые мы здесь делаем. В настоящее время мы работаем на MilkyWay @ home и оптимизируем карликовую галактику-прародитель Орфанного потока, используя данные цифрового обзора неба Слоуна (SDSS), а также данные камеры темной энергии, чтобы они соответствовали южному концу Орфанского потока. В прошлом мы тестировали MW @ home с смоделированными данными, чтобы увидеть, сможем ли мы точно извлечь правильную массу и радиальный профиль образца карликовой галактики из ее приливных потоков. После исправления нескольких ошибок в коде Earth Mover Distance и сбора данных в областях, где их не было, мы, наконец, готовы использовать наш код на реальном устройстве. В дополнение к новым запускам мы все ближе приближаемся к выпуску еще одной версии MW @ home с рядом новых функций. Одна из самых важных функций, которые мы добавляем, - это способность MW @ home соответствовать орбитам приливных потоков, которые мы оптимизируем. В прошлых версиях орбиту (определяемую двумя позиционными параметрами и трехмерными параметрами скорости) приходилось вручную устанавливать в файле lua, отправляемом со всеми рабочими блоками. Используя звездные данные, мы могли бы вычислить пять параметров, необходимых для того, чтобы орбита нашей карликовой галактики прослеживала путь наблюдаемых приливных потоков. Однако это не всегда надежный метод выбора орбиты. Карликовые галактики не являются бесконечно малыми точками и, таким образом, прослеживают несколько самовзаимодействующих орбит, фаза которых смешивается, поскольку приливные силы заставляют сегменты карликовой галактики ускоряться вперед или отставать. Кроме того, в некоторых случаях ориентация приливного потока может не отражать его истинный орбитальный путь. В случае Сиротского Потока скорость звезд в его южном хвосте ПЕРПЕНДИКУЛЬНО движется к приливному потоку из-за гравитационных рывков Большого Магелланова Облака. Чтобы учесть эту изменчивость и хаос, помимо подбора массы и радиального профиля карликовой галактики-прародителя, мы также планируем одновременно подобрать ее орбиту. Еще одна новая функция в следующей версии - добавление LMC. Новые оценки массы БМО оценивают ее примерно в 10% от общей массы Млечного Пути. Это вносит значительный нестатический компонент в систему Млечного Пути, который необходимо учитывать при моделировании. Однако добавить БМО с этой массой не так просто, как вставить точечную частицу с соответствующей массой в нашу симуляцию. По мере того как БМО тянется к Галактике Млечный Путь, наша Галактика также притягивается БМО, переводя нашу систему в ускоряющуюся систему отсчета. Таким образом, мы должны корректировать положения и скорости всех частиц для каждого временного шага, чтобы учесть сдвиги в системе отсчета Млечного Пути. Последняя функция, над которой мы все еще работаем, добавляем в MW @ home, - это обработка GPU для nbody. Подобно тому, как Separation в MW @ home использует приложения GPU для быстрого извлечения потоков с неба, мы планируем реализовать вычисления на GPU, чтобы ускорить наши длительные симуляции. Ни для кого не секрет, что приложениям NBody требуется больше времени для запуска между увеличением тел и добавлением более сложных потенциалов. К тому же подгонка орбиты и расчеты LMC только увеличивают время выполнения. Хотя мы все еще исправляем некоторые ошибки, мы надеемся, что добавление совместимости с графическим процессором поможет всем сэкономить время и ускорить эти вычисления. В общем, мы были заняты RPI, собирая новые звездные данные для оптимизации и отладки новых предстоящих функций. Мы приносим свои извинения за то, что не проявляем такой активности в этих обсуждениях, как в прошлом, и будем стараться, чтобы обновления приходили по мере того, как будут сделаны новые открытия. Спасибо всем за терпение и поддержку. Всем привет – Это MilkyWay! MilkyWay @ home рассчитывает массу и радиальный профиль Орфанного потока на основе его приливных обломков и распределения звезд. Это полезно, потому что дает нам представление о содержании темной материи в потоке. Он работает, проверяя случайные наборы параметров против приливного течения и видя, какой набор параметров лучше всего подходит. Каждый компьютер в этом проекте получает набор параметров и выполняет симуляцию Nbody. Хорошо это или плохо, компьютер отправляет оценку вероятности обратно на главный сервер, и мы используем алгоритм дифференциальной эволюции для создания более точных наборов параметров для тестирования. Мы продолжаем использовать этот алгоритм до тех пор, пока наша совокупность наборов параметров не сойдется до максимальной вероятности. Одним из самых больших препятствий для этого проекта было определение того, можно ли определить содержание темной материи только по звездным данным. Однако тестирование кода на MW @ home показывает, что с учетом тестового приливного потока, сгенерированного из заранее определенных параметров, MW @ home действительно может вернуть эти параметры. Кроме того, наш последний набор запусков возвращает наборы параметров, которые имеют смысл в целом. Так да. Ожидания нашего проекта оправдались. Спасибо, что проявили интерес к нашему исследованию. Если вас не интересуют детали, лежащие в основе этих тестов, или специфика проекта, пожалуйста, пропустите этот комментарий. Этот комментарий не является новостью, поэтому вы не упускаете ничего важного для проекта. Я узнал, что многие из добровольцев нашего проекта не знакомы с тем, что проект фактически делает за кулисами, поэтому я кратко опишу, что такое Приложение разделения и что оно делает. Milkyway @ home имеет два проекта: Первый, оригинальный проект - приложение для разделения. Второй проект - N-body (который я здесь обсуждать не буду, но не стесняйтесь спрашивать Эрика о деталях, если вам интересно). Приложение Separation предназначено для сбора большого количества звезд выключения Главной последовательности (звезд, которые переходят из стадии «жизни», в которой находится наше Солнце, чтобы стать звездами-гигантами), и использовать эти данные для поиска субструктуры в пределах нашего Млечного Пути. Это делается с использованием данных Sloan Digital Sky Survey и PanStarrs. Идея состоит в том, что в Млечном Пути много звездных потоков. Эти потоки образуются из карликовых галактик, падающих в Млечный Путь и растягивающихся из-за сил того же типа, которые вызывают приливы на Земле. Эти потоки являются очень чувствительными индикаторами гравитационных полей, создаваемых нашей Галактикой. Обнаруживая и анализируя эти потоки, можно получить информацию о гравитационных силах в различных областях Млечного Пути. Затем эту информацию можно использовать для определения того, где находится темная материя в пределах Млечного Пути, поскольку области, богатые темной материей, должны создавать гораздо более сильные гравитационные силы, чем мы ожидаем, просто глядя на то, сколько там светлой материи. Обнаружив темную материю, мы намного ближе к пониманию того, что такое темная материя. Приложение Separation пытается подогнать несколько моделей потоков (в основном цилиндров) к фоновой модели Млечного Пути на небольшой полосе неба. Затем на основе этих входных данных он строит модель ожидаемого расположения звезд в регионе и сравнивает ее с наблюдаемыми данными, которые мы получаем из крупномасштабных съемок. Это делается с помощью сотен тысяч попыток проб и ошибок, при этом лучшие попытки используются для создания следующего поколения попыток (см. Раздел «Дифференциальная эволюция», если вам интересен этот процесс). Когда вы запускаете рабочую единицу для приложения разделения, вы выполняете вычисления для одного из этих испытаний. Результаты, которые мы получаем от запуска приложения разделения, должны указывать нам, где наиболее вероятно, что эти потоки расположены в полосе данных. Комбинируя данные из многих полос, вы можете следить за потоками на больших участках неба. По большей части эти результаты выглядят как потоки, которые мы видим в небе. Однако в некоторых случаях некоторые результаты потока из полосы не будут выглядеть как поток из-за того, как оптимизатор подобрал их. Вместо того, чтобы выбросить эти данные, я хочу посмотреть, пытается ли оптимизатор «сказать» нам что-то - то есть, возможно, в этом месте нет потока, но есть что-то еще, и мы просто не Я недостаточно хорошо понимаю результаты, чтобы сказать, что это такое. Может быть, оптимизатор делает все возможное, чтобы соответствовать потокам, которые существуют в реальной жизни, но выходят за пределы диапазона данных, которые мы используем. Может быть, оптимизатор выдаст странные результаты, когда в небе всего 3 потока, а вы пытаетесь уместить 4 модельных потока, или наоборот. Цель этих тестов - выяснить, какие входные данные возвращают какие выходные данные оптимизатора. Это позволит нам более уверенно интерпретировать результаты оптимизатора и, возможно, сделать еще больше открытий, чем мы могли бы в противном случае! Хотите принять участие в распределенных вычислениях, тогда, Вам сюда: https://boinc.berkeley.edu/wiki/Simple_view https://boinc.berkeley.edu/download_all.php https://boinc.ru |
Всего комментариев 0
Комментарии
