884
Уявіть собі: щоб зрозуміти, як у вибуху двох нейтронних зірок народжується золото чи платина, астрофізикам доводилося проганяти надскладні обчислення на суперкомп’ютерах, спрощуючи реальність, аби взагалі щось порахувати. Тепер нова модель штучного інтелекту RHINE дозволяє відтворювати цю «космічну кузню» важких елементів набагато швидше й майже без спрощень, повідомляє ScienceDaily.
Що відомо коротко
- Міжнародна команда GSI/FAIR створила ІІ-модель RHINE, яка моделює утворення важких елементів під час злиття нейтронних зірок.
- RHINE використовує глибоке навчання, щоб оцінювати енерговиділення в r-процесі прямо під час гідродинамічних симуляцій.
- Модель навчають на великій бібліотеці повних ядерних розрахунків, а потім вона відтворює їх результат з набагато меншими витратами ресурсів.
- Перевірка показала <strongвисокий збіг із еталонними даними, тож ІІ дозволяє суттєво скоротити час обчислень.
- RHINE має допомогти поєднати спостереження kilonova та інших вибухів з експериментами в лабораторіях на Землі.
Як космічний «швидкий конвеєр» створює важкі елементи
Більшість найважчих елементів у Всесвіті народжується не спокійно в надрах зірок, а в екстремальних катастрофах — наднових та злиттях нейтронних зірок. У цих подіях запускається так званий швидкий захват нейтронів, або r-процес.
Уявіть атомне ядро як «магніт» для нейтронів. Під час r-процесу воно обстрілюється вільними нейтронами настільки інтенсивно, що встигає «нахапати» їх один за одним, перш ніж встигне розпастися чи змінитися. Частина нейтронів перетворюється на протони, і ядро «важчає», крок за кроком піднімаючись угору періодичною таблицею до золота, платини та інших важких елементів.
Цей процес відбувається в умовах шалених температур, тисків і швидкостей. Щоб описати його точно, потрібно врахувати величезну мережу ядерних реакцій — це як намагатися одночасно прорахувати мільярди ходів у грі, де всі фігури рухаються одночасно.
Чому старі моделі «здавалися» перед обчисленнями
Традиційні симуляції r-процесу вимагають колосальної обчислювальної потужності. Дослідникам доводилося спрощувати моделі, відкидати частину реакцій або зменшувати деталізацію, щоб розрахунки взагалі завершилися за прийнятний час.
Проблема в тому, що саме дрібні деталі сильно впливають на результат. Скільки енергії виділяється в кожен момент? Як це нагрівання змінює швидкість і напрямок викиду речовини? Наскільки яскравою буде kilonova — спалах, який ми бачимо телескопами після злиття нейтронних зірок?
За словами першого автора роботи, доктора Олівера Юста (Oliver Just) з відділу «Ядерна астрофізика та структура» в GSI/FAIR, повне моделювання всіх параметрів потребує настільки великих ресурсів, що моделі доводиться спрощувати. Саме тут у гру входить штучний інтелект.
Як працює RHINE: нейромережа в ролі фізика-ядерника
Нова система отримала назву RHINE (r-process heating implementation in hydrodynamic simulations with neural networks). Її завдання — швидко й точно оцінювати, скільки енергії виділяється внаслідок ядерних реакцій під час r-процесу, поки триває гідродинамічна симуляція вибуху.
Це енерговиділення, або «нагрівання», визначає, як саме речовина викидається назовні: з якою швидкістю летить, як розширюється, яку світність і колір матиме спалах. У випадку злиття нейтронних зірок цей спалах ми спостерігаємо як kilonova.
Замість того щоб кожного разу рахувати повну мережу ядерних реакцій, дослідники спершу навчають нейромережу на великій бібліотеці еталонних розрахунків, де всі реакції вже враховані. Потім, під час основних симуляцій, RHINE просто «підказує» значення швидкості нагрівання, спираючись на свій досвід.
Співавтор роботи доктор Цзевей Сюн (Zewei Xiong) пояснює, що після навчання моделі вбудовуються в гідродинамічні розрахунки й з мінімальними витратами ресурсів наближують нагрівання в r-процесі. Порівняння з еталонними даними показало високий збіг, а отже, ІІ-схема дозволяє заощадити величезну кількість обчислювального часу.
Аналіз результатів також вказав, що нагрівання в r-процесі — важливий ефект, який у майбутніх моделях потрібно враховувати точніше, ніж це часто робилося раніше.
Міст між космічними вибухами та земними експериментами
RHINE відкриває можливість створювати набагато детальніші моделі злиття нейтронних зірок та інших вибухових подій, не вимагаючи при цьому нереалістичних обчислювальних ресурсів. Це означає, що астрофізики зможуть краще пов’язувати те, що бачать у телескопи, з тим, що відбувається на рівні окремих атомних ядер.
У майбутньому такі моделі можуть стати ключем до інтерпретації експериментів на нових установках, зокрема на дослідницькому комплексі FAIR. Там вчені відтворюватимуть умови, подібні до тих, що панують у вибухах зірок, але вже в контрольованому середовищі лабораторії.
Важливо й те, що вихідний код RHINE зроблено публічно доступним. Це дозволяє іншим групам дослідників перевіряти, розвивати й застосовувати модель у власних симуляціях, створюючи спільну «мову» між різними командами та експериментами.
Проєкт підтримали кілька організацій, серед яких Європейська дослідницька рада (ERC), що підкреслює його значення для фундаментальної науки.
Цікаві факти
Злиття нейтронних зірок настільки енергійні, що за лічені секунди можуть створити значну частину всіх важких елементів, які потім опиняються в планетах і навіть у наших тілах.
Спалах kilonova, який ми бачимо після такого злиття, — це по суті «сигнал» від новонароджених атомів, що вивільняють енергію під час радіоактивного розпаду.
У моделі RHINE нейромережа виконує роль «прискореного довідника» з ядерної фізики, замінюючи мільйони повільних обчислень швидкими оцінками.
FAQ
Це вже перевірений інструмент чи лише перша демонстрація?
Автори порівняли результати RHINE з повними еталонними розрахунками й показали високий ступінь збігу. Водночас це перше покоління такої моделі, тож її ще будуть удосконалювати й тестувати на ширшому наборі сценаріїв.
Чи може ІІ у таких задачах помилятися «непомітно» для вчених?
Саме тому дослідники проводять детальні порівняння з референсними даними. Якщо нейромережа виходить за межі навченої області, її прогнози можуть стати менш надійними, тож важливо чітко розуміти, у яких умовах модель працює коректно.
Як це допоможе зрозуміти походження елементів на Землі?
Точніші симуляції злиття нейтронних зірок дозволять краще оцінити, які саме елементи й у яких кількостях утворюються в таких подіях. Порівнюючи ці передбачення з хімічним складом Сонячної системи та галактики, вчені зможуть уточнити, які космічні джерела «постачали» матеріал для нашої планети.
Чи можна подібні ІІ-моделі застосувати до інших космічних явищ?
Підхід, коли нейромережа замінює найважчі частини розрахунків, потенційно придатний для багатьох задач — від моделювання наднових до аналізу гравітаційних хвиль. У кожному випадку модель потрібно окремо навчати на відповідних даних.
Те, що колись вимагало гігантських суперкомп’ютерів і грубих спрощень, тепер можна відтворювати за допомогою «навченої» нейромережі, яка миттєво відгадує поведінку мільярдів атомних ядер. Це змушує по-новому подивитися на роль штучного інтелекту в науці: він стає не просто інструментом обробки даних, а партнером, який допомагає зазирнути в найгарячіші й найяскравіші моменти життя Всесвіту.
Штучний інтелект показав як злиття нейтронних зірок кує важкі елементи з’явилася спочатку на Цікавості.
