Исследователи из Центра тяжёлых ионов имени Гельмгольца (GSI) и международного проекта FAIR представили инновационный метод моделирования r-процесса — ключевого механизма, отвечающего за синтез тяжелых химических элементов во Вселенной. Результаты научной работы были опубликованы в профильном издании Physical Review D.
R-процесс, или процесс «быстрого захвата нейтронов», протекает в условиях экстремальных космических катастроф, таких как взрывы сверхновых или слияния нейтронных звёзд. В этих событиях вещество подвергается воздействию колоссальных потоков нейтронов, что заставляет атомные ядра мгновенно поглощать их, преобразуя в протоны и создавая самые массивные элементы периодической таблицы. Ранее детальное описание подобных взаимодействий требовало таких колоссальных вычислительных мощностей, что ученым приходилось идти на значительные упрощения, жертвуя физической точностью.
Решением стала разработка нейросетевой модели RHINE (r-process heating implementation in hydrodynamic simulations with neural networks). Система использует технологии глубокого обучения для расчета энерговыделения и нагрева вещества в ходе r-процесса непосредственно внутри гидродинамических симуляций.
Нагрев в процессе синтеза напрямую определяет динамику выброшенного вещества: его скорость, распределение масс и, как следствие, интенсивность электромагнитного излучения. Именно эти показатели фиксируются учеными во время килоновых — мощных вспышек, сопровождающих столкновения нейтронных звёзд.
Ведущий автор исследования Оливер Юст подчеркнул, что традиционные методы ограничены мощностью компьютеров, в то время как RHINE обходит это препятствие. Нейросеть проходит предварительное обучение на базе детальных расчетов с полным спектром ядерных реакций, после чего способна быстро и точно воспроизводить параметры тепловыделения в динамических моделях.
Цевэй Сюн, соавтор проекта, отметил, что сравнительный анализ с эталонными вычислениями подтвердил высокую точность новой методики. Машинное обучение не только снижает стоимость вычислений, но и указывает на то, что вклад нагрева в r-процессе ранее мог недооцениваться. Исследователи уверены, что внедрение RHINE позволит связать данные будущих лабораторных экспериментов на установке FAIR с результатами реальных астрономических наблюдений, обеспечивая более глубокое понимание процессов в далеком космосе.
