המהפכה השקטה בסימולציות: כך AI מקצר שבועות של חישובים לשעות בחיפוש אחר מקור הזהב ביקום

איך מודל הלמידה העמוקה עובד?

הארכיטקטורה של RHINE מבוססת על "פרספטרון רב-שכבתי" (multilayer perceptron) שאומן על אלפי חישובי ייחוס של r-process מרשת גרעינית מלאה. נתוני האימון מתעדים את ההיסטוריה התרמודינמית וההרכבית של חומר עשיר בנייטרונים בתנאי מיזוג .

לאחר האימון, הרשת מקבלת בכל נקודה בסימולציה רק ארבעה משתנים מקומיים פשוטים: צפיפות, טמפרטורה, שיעור האלקטרונים ומספר המסה הממוצע של גרעיני האטום. מתוך ארבעת הקלטים הללו, היא מנבאת שמונה איברי מקור מרכזיים השולטים בהתקדמות ה-r-process – כולל קצב החימום הגרעיני, שינויים בשיעור האלקטרונים, והמספר האטומי והמסה הממוצעים של ההרכב .

על ידי הזרקת התחזיות הללו בחזרה לסימולציה ההידרודינמית בכל מיקום ובכל צעד זמן, החוקרים כבר אינם צריכים להריץ את הרשת הגרעינית המלאה בזמן אמת. גישה פשוטה בתפיסתה אך עוצמתית זו, עוקפת את צוואר הבקבוק שהפך סימולציות r-process ארוכות טווח או ברזולוציה גבוהה לבלתי מעשיות עד כה .

כיצד אומת המודל?

כאשר מודל למידת מכונה מחליף חישובי פיזיקה בסיסיים, תהליך האימות הוא קריטי. צוות RHINE השתמש בשתי קבוצות מבחנים קפדניות כדי לוודא שהרשת הנוירונים אמינה בתנאים מציאותיים :

• פתרונות של רוחות יציבות: הצוות בחן את RHINE על סימולציות של רוחות כדוריות ויציבות, תוך סריקה של רשת פרמטרים רחבה – הכוללת שיעורי אלקטרונים, אנטרופיות ומהירויות זרימה הצפויות בסביבות מיזוג. תחזיות הרשת תאמו באופן הדוק את תוצאות החישוב של הרשת הגרעינית המלאה.
• סימולציות תלת-ממד מלאות של מיזוג: כמבחן נוקשה יותר, הצוות החיל את RHINE בתוך סימולציה הידרודינמית תלת-ממדית מלאה של מיזוג כוכבי נייטרונים. התחזיות הושוו בדיעבד לחישובי נוקליאוסינתזה מפורטים. רמת ההתאמה נותרה גבוהה גם תחת המורכבות המלאה של מיזוג דינמי, מה שמעיד שתחליף למידת המכונה לא הקריב את הנאמנות הפיזיקלית .

בהתייחסות לביצועים, החוקרים ציינו כי השיטה יכולה לחסוך "כמות עצומה של זמן מחשב" תוך שמירה על הדיוק הנדרש לפרשנות אסטרופיזיקלית .

למה זה משנה לתחום האסטרונומיה של קילונובות?

האנרגיה שמשתחררת בתהליך ה-r-process משפיעה ישירות על המהירות, הטמפרטורה וההרכב של החומר הנפלט מהמיזוג – כל אלו גורמים המעצבים את עקומת האור של הקילונובה שאנו צופים בה בטלסקופים. אירוע הקילונובה המכונן AT2017gfo, שנקשר לאירוע גלי הכבידה GW170817, סיפק הצצה מפורטת ראשונה לפליטת אור כזו. ואולם, הקישור של האותות הללו חזרה לפיזיקה הגרעינית הבסיסית היה אתגר של ממש .

RHINE מאפשרת כעת לחוקרים לשלב חימום מ-r-process באופן עקבי-עצמי בתוך סימולציות תלת-ממדיות, מה שהופך את יצירת התחזיות התאורטיות להרבה יותר מעשית. ניתן להשוות תחזיות אלו ישירות לקילונובות שנצפו, ולבסוף לפענח את התנאים המדויקים שיצרו את היסודות .

הגשר לניסויים במעבדה במאיץ FAIR

RHINE גם תשמש כגשר חישובי בין תיאוריה לבין ניסויי הפיזיקה הגרעינית העתידיים במאיץ FAIR (המתקן לחקר אנטי-פרוטונים ויונים) בדרמשטט, גרמניה. FAIR צפוי לחקור את התכונות של גרעינים אקזוטיים עשירים בנייטרונים, שנמצאים כיום מעבר להישג יד ניסיוני אך משפיעים באופן קריטי על תוצאות ה-r-process. על ידי האצת הסימולציות כך שיעמדו בקצב ניתוח הנתונים, RHINE מציעה מסלול לקשר ישיר בין מדידות מעבדה לתצפיות אסטרופיזיקליות – ולבחון מודלים של יצירת יסודות מול נתונים גרעיניים אמיתיים בפעם הראשונה .

מדע פתוח: גישה לקוד

ברוח המדע הפתוח, צוות המחקר הפך את קוד המקור של RHINE לזמין לציבור במאגר Zenodo, המאגר המדעי בגישה פתוחה. חוקרים המעוניינים להשתמש בשיטה או לבנות עליה יכולים לגשת אליה כאן:

https://zenodo.org/records/15864447

מהלך שחרור הקוד לקהילה הרחבה משמעותו שקבוצות סימולציה אחרות יכולות להטמיע את RHINE בקודי המיזוג שלהן, ובכך להרחיב את השפעת המסגרת על פני קהילת האסטרופיזיקה כולה.