ИИ раскрыл тайну рождения тяжёлых элементов Вселенной

Откуда берётся золото в украшениях, уран в атомных реакторах и большинство тяжёлых элементов таблицы Менделеева? Наука давно знает ответ в общих чертах: они рождаются в катастрофических взрывах и столкновениях звёзд. Но детально смоделировать эти процессы до недавнего времени не позволяли ни вычислительные мощности, ни методы. Теперь исследователи из GSI/FAIR (Германия) и их международные коллеги создали модель на основе искусственного интеллекта, которая впервые предоставляет детальную картину этих событий. Работа опубликована в журнале Physical Review D.

Как рождаются элементы тяжелее железа

Большинство химических элементов, с которыми мы сталкиваемся в повседневной жизни, — от кислорода до железа — образовались в ядрах обычных звёзд или при взрывах сверхновых. Но элементы тяжелее железа требуют принципиально иных условий: огромного потока свободных нейтронов и колоссальных энергий.

Главным «заводом» таких элементов считается так называемый r-процесс (rapid neutron capture — быстрый захват нейтронов). Во время этого процесса атомные ядра лавинообразно поглощают нейтроны, наращивая массу и в конечном счёте превращаясь в элементы от золота до урана. Для r-процесса нужны экстремальные условия — такие, какие возникают при слиянии двух нейтронных звёзд или в некоторых видах сверхновых. Именно такое слияние, зафиксированное 17 августа 2017 года в галактике NGC 4993 одновременно как источник гравитационных волн и как «килонова» (взрыв с характерным свечением), подтвердило: тяжёлые элементы рождаются именно там.

Проблема в том, что смоделировать r-процесс в рамках полноценной гидродинамической симуляции — с учётом всех ядерных реакций — требует вычислительных мощностей, недоступных даже для мощнейших суперкомпьютеров.

RHINE — нейросеть вместо ядерного калькулятора

Именно эту проблему решает новая модель RHINE (r-process Heating Implementation in hydrodynamic simulations with Neural Networks). Она использует нейронную сеть глубокого обучения, которую обучили на огромном массиве эталонных расчётов с полным набором ядерных реакций. После обучения сеть способна молниеносно воспроизводить ключевой параметр — скорость выделения тепла при r-процессе — без необходимости запускать все ядерные вычисления заново.

«Сначала модели ML обучаются на большом числе эталонных расчётов, а затем применяются в гидродинамических симуляциях для аппроксимации скоростей нагрева при r-процессе с минимальными затратами», — объяснил один из ключевых разработчиков, доктор Зэвэй Сюн из GSI/FAIR.

Почему это важно? Выделение тепла в ходе r-процесса существенно влияет на движение вещества, выброшенного во время взрыва, и на электромагнитное излучение, производимое этим событием — в частности, на то самое свечение килоновы, которое наблюдают телескопы.

Ключевые характеристики RHINE:

• Степень соответствия эталонным данным — высокая, верификация прошла успешно.
• Экономия вычислительного времени — существенная по сравнению с прямыми расчётами.
• r-процессное нагревание оказывает значимый эффект и должно учитываться в будущих моделях.
• Исходный код RHINE открыт для использования научным сообществом.

Мост между лабораторией и небом

Помимо немедленных результатов, RHINE открывает новые возможности для соединения данных будущих ускорительных экспериментов с астрономическими наблюдениями.

Немецкий ускорительный комплекс FAIR (Facility for Antiproton and Ion Research) ещё только проходит ввод в эксплуатацию, но в ближайшие годы начнёт производить пучки редких нейтронно-богатых ядер. Именно такие ядра участвуют в r-процессе, и измерение их свойств — главная задача ядерной астрофизики. RHINE создаёт инструментарий, который позволит напрямую связывать лабораторные данные FAIR с интерпретацией наблюдений килонов и других многоволновых транзиентов, открытых с появлением гравитационно-волновой астрономии.

Читайте также по теме: металлах и происхождении жизни.

«Наша модель позволяет проводить более детальные симуляции в будущем, помогая связать результаты экспериментов на установке FAIR с астрономическими наблюдениями звёздных взрывов и слияний нейтронных звёзд», — резюмировал руководитель работы доктор Оливер Юст.