Де у Всесвіті народжуються такі елементи, як золото в прикрасах чи уран у ядерному паливі? Це питання довгий час залишалося одним із найскладніших у сучасній астрофізиці. Вчені впевнені, що ці важкі елементи формуються під час найпотужніших і найруйнівніших подій у космосі — вибухів наднових і зіткнень нейтронних зір. Але змоделювати ці процеси з високою точністю надзвичайно складно через колосальні обчислювальні вимоги.
Нове дослідження міжнародної команди вчених із GSI/FAIR пропонує принципово інший підхід: використання машинного навчання для моделювання народження найважчих елементів у Всесвіті.
Як народжуються важкі елементи
Більшість хімічних елементів утворюється в екстремальних астрофізичних умовах. Під час вибухів наднових або злиття нейтронних зір утворюється величезна кількість енергії та вільних нейтронів. Саме це запускає так званий r-процес (rapid neutron-capture process) — швидке захоплення нейтронів атомними ядрами.
У ході цього процесу ядра стрімко «набирають» нейтрони, які згодом перетворюються на протони. Так поступово формуються все важчі елементи — від заліза до золота, платини та урану.
Однак повне моделювання цих реакцій вимагає величезної обчислювальної потужності, тому наукові симуляції зазвичай доводиться спрощувати, втрачаючи частину фізичної точності.
Штучний інтелект як новий інструмент астрофізики
Дослідники з GSI/FAIR розробили модель під назвою RHINE (r-process heating implementation in hydrodynamic simulations with neural networks), яка використовує глибоке навчання для відтворення складних ядерних процесів.
Ідея полягає в тому, щоб навчити нейронну мережу на великій кількості точних розрахунків ядерних реакцій, а потім застосувати її в гідродинамічних симуляціях. Це дозволяє наближено, але дуже ефективно моделювати виділення енергії під час r-процесу.
Ця енергія відіграє ключову роль у тому, як розподіляється речовина після космічних вибухів, а також впливає на сигнали, які ми можемо спостерігати з Землі, зокрема на явище кілонових після злиття нейтронних зір.
Чому це важливо для науки
Раніше моделювання таких процесів було настільки складним, що дослідникам доводилося суттєво спрощувати фізичні моделі. Тепер же машинне навчання дозволяє зберегти високу точність, значно скоротивши час обчислень.
За словами вчених, створена модель показала дуже добру відповідність із еталонними розрахунками. Це означає, що штучний інтелект може не просто прискорити симуляції, а й зробити їх більш детальними та реалістичними.
Вікно у вибухи зір
Новий підхід може стати ключем до кращого розуміння того, як саме формуються хімічні елементи у Всесвіті. У майбутньому це допоможе поєднати дані лабораторних експериментів, зокрема на майбутньому прискорювачі FAIR, із реальними астрономічними спостереженнями вибухів зір і злиття нейтронних об’єктів.
Штучний інтелект поступово стає не просто інструментом обробки даних, а повноцінним учасником наукового моделювання. У випадку з формуванням найважчих елементів Всесвіту він дозволяє зазирнути у процеси, які відбуваються в умовах, недоступних для прямого спостереження.
І хоча це лише перший крок, такі моделі, як RHINE, можуть суттєво наблизити нас до розуміння того, як саме космос «створює» матерію, з якої складається і наша планета, і ми самі.
