Нейросеть RHINE смоделировала энерговыделение при слияниях нейтронных звёзд

Международная команда исследователей представила нейросетевую модель RHINE для расчёта энерговыделения при образовании тяжёлых элементов в экстремальных астрофизических событиях. Подход разработали учёные из Центра тяжёлых ионов имени Гельмгольца (GSI) и проекта FAIR (Facility for Antiproton and Ion Research) в Германии. Работа опубликована в журнале Physical Review D.

Метод применяют для моделирования r-процесса, одного из ключевых механизмов синтеза тяжёлых химических элементов во Вселенной. Он разворачивается в крайне жёстких условиях, например при взрывах сверхновых или во время слияния нейтронных звёзд. В такие моменты атомные ядра быстро захватывают свободные нейтроны и постепенно превращаются во всё более тяжёлые элементы. Полноценное моделирование подобных реакций требует огромных вычислительных ресурсов, поэтому в симуляциях часто идут на упрощения, что неизбежно снижает физическую точность.

RHINE использует методы глубокого обучения, чтобы рассчитывать нагрев, возникающий в ходе r-процесса, прямо внутри гидродинамических симуляций астрофизических взрывов. Сначала модель обучают на детальных расчётах с полным набором ядерных реакций, затем она воспроизводит тепловыделение гораздо быстрее уже в самих симуляциях. По словам ведущего автора работы Оливера Юста (Oliver Just), такой подход помогает обойти ограничения вычислительной мощности. Соавтор Цевэй Сюн (Zewei Xiong) добавил, что сравнение с эталонными вычислениями показало высокую степень совпадения результатов.

Авторы отмечают ещё один важный момент: вклад нагрева в r-процессе, возможно, раньше недооценивали, и в будущих моделях его стоит учитывать строже. Они предполагают, что RHINE позволит создавать более детальные симуляции и напрямую сопоставлять лабораторные эксперименты на будущей установке FAIR с астрономическими наблюдениями. В том числе с событиями вроде столкновения нейтронных звёзд, зафиксированного 17 августа 2017 года в галактике NGC 4993.