RHINE đưa AI vào bên trong va chạm sao neutron để mở khóa bí mật về các nguyên tố nặng

Khi hai ngôi sao neutron với mật độ siêu đặc xoắn ốc vào nhau rồi hợp nhất, vụ nổ kinh hoàng này phun ra một lượng vật chất giàu neutron, nơi các phản ứng bắt neutron nhanh (quá trình r) diễn ra để tạo nên những nguyên tố nặng như vàng hay bạch kim. Việc mô hình hóa quá trình tổng hợp hạt nhân này là chìa khóa để giải mã kilonova – một hiện tượng thiên văn thoáng qua, cánh cửa sổ trực tiếp để chúng ta quan sát các "xưởng" sản xuất nguyên tố trong vũ trụ. Tuy nhiên, mô phỏng quá trình r trong một vụ va chạm sao neutron xưa nay nổi tiếng là cực kỳ tốn kém về mặt tính toán, thường ngốn tới nhiều tuần siêu máy tính chỉ cho một mô hình 3D.

Một nhóm nghiên cứu quốc tế tại trung tâm GSI/FAIR (Trung tâm Nghiên cứu Ion nặng Helmholtz và Cơ sở Nghiên cứu Antiproton và Ion tại Darmstadt, Đức) vừa giới thiệu một giải pháp mang tính thực tiễn: RHINE. Công bố trên tạp chí Physical Review D, khuôn khổ mới này sử dụng mạng nơ-ron học sâu để mô phỏng quá trình r và năng lượng nó giải phóng, giúp các mô phỏng 3D tự nhất quán trở nên khả thi chỉ trong một phần nhỏ thời gian trước đây .

RHINE chính xác là gì?

RHINE là viết tắt của cụm từ R-process Heating Implementation in hydrodynamic simulations with NEural networks (tạm dịch: Triển khai quá trình tỏa nhiệt r trong mô phỏng thủy động lực học bằng mạng nơ-ron). Đây là một khuôn khổ máy học được thiết kế để dự đoán tốc độ tỏa nhiệt hạt nhân và sự thay đổi thành phần nguyên tố từ quá trình r một cách "tức thời" trong quá trình mô phỏng thủy động lực học của một vụ va chạm sao neutron. Thông thường, tại mỗi bước thời gian ở mỗi ô của mô phỏng, người ta cần chạy một mạng lưới phản ứng hạt nhân đầy đủ để theo dõi sự biến đổi của hàng ngàn đồng vị. RHINE đã thay thế tất cả những tính toán phức tạp đó bằng một mạng nơ-ron nhỏ và nhanh, cắt giảm chi phí tính toán một cách ngoạn mục .

Cách thức hoạt động của mô hình học sâu

RHINE được xây dựng trên một kiến trúc perceptron đa lớp, được huấn luyện dựa trên hàng ngàn phép tính quá trình r tham chiếu từ một mạng lưới hạt nhân đầy đủ. Dữ liệu huấn luyện này vạch ra các lịch sử nhiệt động lực học và thành phần của vật chất giàu neutron trong điều kiện của vụ va chạm. Sau khi được huấn luyện, mạng nơ-ron chỉ cần bốn tham số mô phỏng được phát triển cục bộ làm đầu vào: mật độ cục bộ, nhiệt độ, tỉ lệ electron và số khối trung bình. Từ những thông tin này, nó dự đoán tám số hạng nguồn then chốt chi phối cách thức quá trình r diễn ra, bao gồm tốc độ tỏa nhiệt hạt nhân, sự thay đổi tỉ lệ electron, cùng số nguyên tử và số khối trung bình của thành phần vật chất .

Bằng cách đưa những dự đoán này vào mô phỏng thủy động lực học tại mỗi vị trí và bước thời gian, các nhà nghiên cứu không còn cần chạy mạng lưới hạt nhân đầy đủ trong thời gian thực nữa. Cách tiếp cận đơn giản về mặt ý tưởng nhưng vô cùng mạnh mẽ này đã giải quyết được nút thắt cổ chai khiến các mô phỏng quá trình r với thời gian dài hoặc độ phân giải cao trước đây trở nên bất khả thi .

Quá trình xác thực RHINE

Xác thực là bước cực kỳ quan trọng mỗi khi một mô hình máy học thay thế các phép tính vật lý nền tảng. Nhóm nghiên cứu RHINE đã sử dụng hai lớp thử nghiệm nghiêm ngặt để đảm bảo mạng nơ-ron hoạt động đáng tin cậy trong điều kiện thực tế :

• Mô hình gió trạng thái ổn định: Nhóm đã thử nghiệm RHINE trên các luồng gió đối xứng cầu, trạng thái ổn định, phủ trên một dải rộng các tham số—bao gồm tỉ lệ electron, entropy và vận tốc dòng chảy dự kiến trong môi trường va chạm sao neutron. Dự đoán của mạng nơ-ron khớp chặt chẽ với kết quả từ mạng lưới hạt nhân đầy đủ trên toàn bộ không gian tham số này.
• Mô phỏng va chạm sao neutron 3D hoàn chỉnh: Như một phép thử khắt khe hơn, họ áp dụng RHINE vào một mô phỏng thủy động lực học 3D hoàn chỉnh của một vụ hợp nhất sao neutron đôi. Các dự đoán sau đó được so sánh với những tính toán tổng hợp hạt nhân hậu kỳ chi tiết được thực hiện lại. Sự tương đồng vẫn duy trì ở mức cao ngay cả dưới sự phức tạp đầy đủ của một vụ hợp nhất động, cho thấy giải pháp thay thế bằng máy học không hề đánh đổi độ trung thực của vật lý .

Nhận xét về hiệu suất, các nhà nghiên cứu lưu ý rằng phương pháp này có thể tiết kiệm một "lượng thời gian tính toán khổng lồ" trong khi vẫn giữ được độ chính xác cần thiết cho việc giải thích các hiện tượng vật lý thiên văn .

Tại sao điều này quan trọng với nghiên cứu Kilonova

Năng lượng giải phóng từ quá trình r trực tiếp làm thay đổi vận tốc, nhiệt độ và thành phần của vật chất phóng ra từ vụ va chạm – tất cả những yếu tố này định hình nên đường cong ánh sáng của kilonova mà chúng ta quan sát qua kính thiên văn. Sự kiện kilonova lịch sử mang tên AT2017gfo, gắn liền với tín hiệu sóng hấp dẫn GW170817, đã mang đến cái nhìn chi tiết đầu tiên về loại phát xạ này, nhưng việc liên kết tín hiệu đó với các quy luật vật lý hạt nhân nền tảng vẫn luôn là một thách thức. RHINE giờ đây cho phép các nhà nghiên cứu tích hợp sự tỏa nhiệt của quá trình r một cách tự nhất quán trong mô phỏng 3D, giúp việc tạo ra các dự đoán lý thuyết để so sánh trực tiếp với các vụ kilonova quan sát được trở nên thực tế hơn bao giờ hết .

Kết nối với thí nghiệm trong phòng lab tại FAIR

RHINE cũng sẽ đóng vai trò là cầu nối tính toán giữa lý thuyết và các thí nghiệm vật lý hạt nhân sắp tới tại FAIR ở Darmstadt, Đức. FAIR sẽ thăm dò các tính chất của những hạt nhân giàu neutron kỳ lạ, hiện đang nằm ngoài tầm với của thực nghiệm nhưng lại đóng vai trò then chốt quyết định kết quả của quá trình r. Bằng cách tăng tốc mô phỏng để theo kịp tốc độ phân tích dữ liệu, RHINE mở ra một lộ trình để liên kết trực tiếp các phép đo trong phòng thí nghiệm với quan sát vật lý thiên văn—lần đầu tiên thử nghiệm các mô hình hình thành nguyên tố bằng dữ liệu hạt nhân thực tế .

Khoa học mở: Truy cập mã nguồn

Với tinh thần khoa học mở, nhóm nghiên cứu đã công khai mã nguồn RHINE trên Zenodo, kho lưu trữ khoa học truy cập mở. Các nhà nghiên cứu quan tâm đến việc sử dụng hoặc phát triển dựa trên phương pháp này có thể truy cập tại:

https://zenodo.org/records/15864447

Việc phát hành công khai này đồng nghĩa với việc các nhóm mô phỏng khác có thể tích hợp RHINE vào mã nguồn va chạm của riêng họ, mở rộng tác động của khuôn khổ này ra toàn bộ cộng đồng vật lý thiên văn.