Нейросеть помогает разгадать тайну рождения тяжелых элементов

Группа немецких ученых из GSI/FAIR применила новые методы машинного обучения для моделирования звездных катаклизмов. Исследователи обнаружили, что нейросети способны значительно ускорить расчеты выделения энергии в ходе r-процесса нуклеосинтеза — ключевого механизма образования тяжелых элементов при слиянии нейтронных звезд. Результаты этой работы опубликованы в журнале Physical Review D.

Большинство химических элементов тяжелее железа появляются во Вселенной не в спокойных условиях, а в результате мощнейших космических взрывов. Слияния нейтронных звезд и вспышки сверхновых создают экстремальные потоки нейтронов, которые буквально врезаются в атомные ядра, выстраивая из них более тяжелые и сложные структуры.

Этот процесс называется быстрым захватом нейтронов, или r-процессом. Однако воссоздать его на компьютере во всей полноте оказалось невероятно сложно: традиционные гидродинамические симуляции требуют такого объема вычислений, что ученым постоянно приходится жертвовать деталями.

Исследователи из GSI/FAIR предложили элегантное решение. Они разработали модель под названием RHINE, которая расшифровывается как «реализация нагрева в r-процессе в гидродинамических симуляциях с использованием нейронных сетей».

Вместо того чтобы просчитывать каждую из бесчисленных ядерных реакций по отдельности, искусственный интеллект обучают на большом массиве эталонных данных, своеобразном «золотом стандарте» точных, но медленных расчетов. Нейросеть глубокого обучения учится улавливать сложные зависимости и в дальнейшем практически мгновенно предсказывает, сколько энергии выделится при тех или иных условиях.

Почему это так важно? Энергия, или «нагрев», выделяющаяся в ходе r-процесса, напрямую влияет на то, как разлетается выброшенное при взрыве вещество, с какой скоростью движутся его потоки и, в конечном счете, как выглядит свечение килоновой, электромагнитный сигнал, сопровождающий слияние нейтронных звезд.

Сравнив предсказания нейросети с контрольными расчетами, авторы работы убедились в высокой точности нового метода: совпадение оказалось почти полным. При этом вычислительные затраты снизились настолько, что стали возможно моделирования, которые раньше считались практически невыполнимыми.

Таким образом, модель RHINE открывает дорогу к новому поколению астрофизических симуляций, где детальная ядерная физика больше не будет «узким горлышком». В ближайшем будущем это позволит напрямую связать данные экспериментов на строящемся ускорителе FAIR с реальными наблюдениями звездных взрывов и слияний, а значит намного точнее понять, как именно Вселенная создает золото, уран и другие тяжелые элементы.

Присоединяйтесь к нам в соцсетях