Звідки у Всесвіті взялося золото: ШІ допоміг наблизитися до відповіді
Міжнародна команда вчених розробила ШІ-модель RHINE, яка допомагає реконструювати процеси утворення найважчих елементів у Всесвіті, таких як золото та уран.
Про це повідомляє РБК-Україна з посиланням на дослідження, опубліковане у Physical Review D.
ШІ-рішення від RHINE
Вчені пояснили: під час вибухів наднових або зіткнень зірок виникає так званий r-процес - швидке захоплення нейтронів.
Атомні ядра блискавично поглинають вільні нейтрони, які згодом перетворюються на протони, створюючи дедалі важчі хімічні елементи.
Моделювання цього процесу вимагає одночасного врахування поведінки тисяч ізотопів, що змушувало вчених сильно спрощувати теоретичні моделі через брак потужності комп'ютерів.
Розроблена науковцями модель RHINE (r-process heating implementation in hydrodynamic simulations with neural networks) пропонує ефективну альтернативу.
Як працює нова технологія:
Попереднє навчання. Нейромережу спочатку тренують на величезній базі референтних розрахунків, які містять повний набір ядерних реакцій.
Гідродинамічна інтеграція. Навчена модель прогнозує швидкість виділення ядерної енергії для будь-якого стану безпосередньо під час запуску гідродинамічних симуляцій.
Автономність процесів. ШІ дозволяє уникнути прямого зв'язування складних розрахунків нуклеосинтезу з моделюванням руху матерії, що раніше перевантажувало системи.
Завдяки цьому підходу алгоритм з високою точністю відтворює процеси виділення тепла, які безпосередньо впливають на швидкість розлітання космічної речовини та характеристики електромагнітних сигналів (кілонових), що фіксуються телескопами.
Перевірка даними Hubble
Ефективність нової ШІ-схеми вчені підтвердили шляхом порівняння результатів із реальними астрономічними спостереженнями.
Зокрема, використовувалися дані від 17 серпня 2017 року, коли у лінзоподібній галактиці NGC 4993 за допомогою гравітаційних хвиль уперше зафіксували зіткнення двох нейтронних зірок, а космічний телескоп Hubble задокументував поступове згасання спалаху кілонової.
Значення розробки для науки
Використання машинного навчання дозволяє економити колосальну кількість обчислювального часу без втрати точності.
Творці проєкту вже виклали вихідний код програми RHINE у відкритий доступ. У майбутньому ця модель допоможе пов'язати результати фізичних експериментів на новому прискорювальному комплексі FAIR із реальними астрономічними спостереженнями за зоряними вибухами.