Нейросеть заглянула в сердце килоновой: как ИИ меняет моделирование слияний нейтронных звезд

Что такое RHINE?

Аббревиатура RHINE расшифровывается как R-process Heating Implementation in hydrodynamic simulations with NEural networks («Внедрение нагрева от r-процесса в гидродинамические симуляции с помощью нейросетей»). Это фреймворк машинного обучения, который «на лету», прямо во время гидродинамического моделирования слияния звезд, предсказывает скорость ядерного нагрева и изменения состава вещества. Обычно для этого требуется просчитывать на каждом временном шаге и в каждой ячейке симуляции полную сеть ядерных реакций, отслеживающую превращения тысяч изотопов. RHINE заменяет этого вычислительного монстра компактной и быстрой нейросетью .

Как устроен искусственный интеллект для звезд

В основе RHINE лежит архитектура многослойного персептрона, обученного на тысячах эталонных расчетов, выполненных с помощью полной ядерной сети. Эти тренировочные данные описывают термодинамическую и композиционную историю вещества с избытком нейтронов в условиях звездного слияния. После обучения нейросеть получает на вход всего четыре локальных параметра из симуляции: плотность, температуру, электронную фракцию (показывающую соотношение протонов и нейтронов) и среднее массовое число. На основе этих данных она выдает восемь ключевых величин, управляющих ходом r-процесса: скорость ядерного энерговыделения, изменения электронной фракции, а также средние атомный и массовый номера состава .

Внедряя эти предсказания в гидродинамический расчет, ученым больше не нужно параллельно запускать полномасштабную сеть реакций. Это простой, но мощный подход, который устраняет «бутылочное горлышко», делавшее невыполнимыми длительные или высокоточные симуляции r-процесса .

Строгий экзамен для нейросети

Когда модель на основе машинного обучения заменяет фундаментальные физические расчеты, критически важно ее проверить. Команда RHINE подвергла свой алгоритм двум классам строгих тестов в реалистичных условиях :

• Стационарные сферические ветры: Нейросеть протестировали на широкой сетке параметров — менялись электронная фракция, энтропия и скорости оттока, характерные для среды слияния. Предсказания модели очень точно совпали с результатами полной ядерной сети.
• Полные 3D-симуляции слияния: Еще более суровым испытанием стало применение RHINE в полноценном трехмерном гидродинамическом моделировании слияния двух нейтронных звезд. Полученные предсказания сравнили с детальным нуклеосинтезом, рассчитанным ретроспективно. Даже в условиях всей сложности динамического слияния согласие оставалось исключительно высоким. Это подтвердило, что замена на машинное обучение не идет в ущерб физической точности .

Комментируя результаты, исследователи отметили, что метод позволяет сэкономить «колоссальное количество вычислительного времени», сохраняя точность, необходимую для астрофизической интерпретации .

Почему это важно для наблюдений килоновых

Энергия, выделяющаяся в ходе r-процесса, напрямую влияет на скорость, температуру и состав выброшенного при слиянии вещества. Все эти факторы формируют кривую блеска килоновой, которую мы наблюдаем в телескопы. Знаменитая килоновая AT2017gfo, ставшая оптической парой к гравитационно-волновому событию GW170817, подарила нам первый детальный взгляд на такое свечение, однако связать этот сигнал с лежащей в его основе ядерной физикой было непросто. RHINE теперь позволяет ученым самосогласованно, прямо в 3D-симуляциях учитывать нагрев от r-процесса. Это делает создание теоретических предсказаний, готовых к прямому сравнению с наблюдениями реальных килоновых, гораздо более практичным .

Мост к экспериментам на FAIR

RHINE послужит не только астрофизике, но и вычислительным мостом между теорией и будущими экспериментами в области ядерной физики. Ускорительный комплекс FAIR в Дармштадте будет исследовать свойства экзотических ядер с избытком нейтронов, которые пока недоступны экспериментально, но критически важны для понимания r-процесса. Ускоряя симуляции до скорости, сопоставимой с темпом анализа данных, RHINE впервые открывает путь к прямой связи лабораторных измерений с астрофизическими наблюдениями — тестированию моделей образования элементов на реальных ядерных данных .

Наука для всех: открытый код

Следуя принципам открытой науки, исследовательская команда опубликовала исходный код RHINE в публичном доступе в репозитории Zenodo. Другие научные группы, работающие над моделированием слияний, могут использовать этот инструмент или строить на его основе свои разработки, расширяя влияние фреймворка на все астрофизическое сообщество. Ознакомиться с ним можно по ссылке:

https://zenodo.org/records/15864447