Откуда во Вселенной взялось золото: ИИ помог приблизиться к ответу
Международная команда ученых разработала ШИ-модель RHINE, которая помогает реконструировать процессы образования самых тяжелых элементов во Вселенной, таких как золото и уран.
Об этом сообщает РБК-Украина со ссылкой на исследование, опубликованное в Physical Review.
ШИ-решения от RHINE
Ученые объяснили: во время взрывов сверхновых или столкновений звезд возникает так называемый r-процесс - скорый захват нейтронов.
Атомные ядра молниеносно поглощают свободные нейтроны, которые впоследствии превращаются в протоны, создавая все более тяжелые химические элементы.
Моделирование этого процесса требует одновременного учета поведения тысяч изотопов, что заставляло ученых сильно упрощать теоретические модели из-за отсутствия мощности компьютеров.
Разработанная учеными модель RHINE предлагает эффективную альтернативу.
Как работает новая технология:
Предварительное обучение. Нейросеть сначала тренируют на огромной базе референтных расчетов, содержащих полный набор ядерных реакций.
Гидродинамическая интеграция. Ученая модель прогнозирует скорость выделения ядерной энергии для любого состояния непосредственно при запуске гидродинамических симуляций.
Автономность процессов. ИИ позволяет избежать прямого связывания сложных расчетов нуклеосинтеза с моделированием движения материи, ранее перегружавшей системы.
Благодаря этому подходу алгоритм с высокой точностью воспроизводит процессы выделения тепла, непосредственно влияющие на скорость разлета космического вещества и характеристики фиксируемых телескопами электромагнитных сигналов (килоновых).
Проверка данными Hubble
Эффективность новой ИИ-схемы ученые подтвердили путем сравнения результатов с реальными астрономическими наблюдениями.
В частности, использовались данные от 17 августа 2017 года, когда в линзообразной галактике NGC 4993 с помощью гравитационных волн впервые зафиксировали столкновение двух нейтронных звезд, а космический телескоп Hubble задокументировал постепенное угасание вспышки килоновой.
Значение разработки для науки
Использование машинного обучения позволяет экономить колоссальное количество вычислительного времени без потери точности.
Создатели проекта уже выложили исходный код программы RHINE в открытый доступ. В будущем эта модель поможет увязать результаты физических экспериментов на новом ускоряющем комплексе FAIR с реальными астрономическими наблюдениями за звездными взрывами.