如果您認為銀河系很大，請與宇宙的大小進行比較：這只是一個小點，其中包括小點。超級散佈器將編織成帶有縫隙的纖維
如果這使您感到敏捷，並且想知道自己是否理解甚至“看起來”巨大的東西。答案是：這並不容易。科學家將宇宙的物理學包括來自天文學的數據並創建理論模型（例如Eftoflss）（大型結構有效的理論）。通過觀察這些模型，解釋“宇宙”統計並允許重要參數
但是，諸如eftofls之類的模型需要大量時間和計算。由於我們消除了天文學數據的繁殖，我們需要一種方法來增亮分析而不會失去準確性。這就是Emiler存在的原因：他們“模仿”瞭如何響應。但是工作速度更快
因為這是一個“捷徑”。失去精確度的風險是什麼？包括INAF（意大利），帕爾馬大學（意大利）和加拿大沃特盧大學（Waterlu University）等國際團隊發表在《宇宙與物理學雜誌》上。 Astropicticle（JCAP），一項對仿真器的研究，他們設計了這項工作，這表明了這項工作。 JL提供了與模仿模型相同的精度 – 有時具有更好的細節 – 在幾分鐘內在標準筆記本電腦而不是超級計算機上工作。
“想像一下，您想在每個顯微鏡成分的水平上研究一杯水的含量，甚至更小：從理論上講，您可以做到。但是，如果我們想詳細說明水移動時發生的事情”但是，您可以在微觀層面上加密某些特性，並在宏觀級別上查看它們的效果。玻璃中的液體運動是強大的場理論的作用。
統計理論模型解釋了創建收集數據的結構：將天文觀察送入代碼，這是“預測”的計算，但這需要重要的時間和計算。今天收到的數據量 – 預期的調查剛剛開始或即將開始（例如Desi，已發布了第一組數據和歐幾里得） – 每次都不能徹底執行此操作。
Bonici對模擬說：“這就是為什麼我們現在像我們一樣轉向Emileer的原因，這可以減少時間和資源。”模擬該模型是什麼：其主神經網絡學會聯繫輸入參數和模型的計算預測。該網絡已經接受了有關模型結果的培訓，在訓練之後可以總結未看到的參數的組合。 Emoleer無法“理解”物理學：它知道理論響應已經很好地指出，並且可以預期為新輸入導出任何東西。 JL的努力是通過創建有關如何在參數發生變化時如何進行更改的算法的知識來減少培訓的過程：而不是創建網絡。 JL還使用彩色追逐 – 例如“在任何方向上”。如果您用少量更改參數 – 其他組件可以幫助您從樣本中學習，從而減少需求，計算並使其在小型機械上工作。
此工具需要進行大量檢查：如果模型未知，我們確定其快捷方式給出了正確的答案。 （例如該模型將提供的相同模型）？這項新發表的研究回答說，在與模型的同意中，JL的努力（無論是模擬還是真實的數據）。 “在某些情況下，您必須削減一部分分析以通過JL努力加速，我們還可以包括那些缺失的零件。” Bonici總結了這項工作，JL是實驗性，歐幾里得和歐利德（Eulid）進行分析的合作夥伴。有望使我們對宇宙的知識更深入
Marco Bonici，Guido d’Amico，Julien Bel和Carmelita Carbone的“ JL努力：快速和不同模型的強大理論”。 宇宙和物理肌肉粒子（JCAP）雜誌–
