Araştırmacılar, evrenin ağır elementlerinin nasıl oluştuğunu anlamamızı sağlayan bir AI tabanlı simülasyon geliştirdiler. GSI/FAIR'da uluslararası bir ekip tarafından yaratılan bu makine öğrenimi modeli, bilim insanlarının nötron yıldızları birleştiklerinde ve diğer şiddetli yıldız olaylarında meydana gelen kompleks nükleer reaksiyonları daha öncekinden çok daha verimli bir şekilde simüle etmelerine olanak tanır.
AI, Ağır Element Oluşum Simülasyonlarını İyileştiriyor
Evrendeki birçok kimyasal element, süpernova patlamaları ve nötron yıldızları birleştiklerinde gibi aşırı kozmik olaylar sırasında oluşur. Bu devasa patlamalar, hızlı nötron yakalama veya r-süreci olarak bilinen bir süreç yoluyla ağır atomik çekirdeklerin oluşması için gereken enerjiyi üretir.
r-sürecinde, atomik çekirdekler hızla serbest nötronlar emer. Bu nötronların bir kısmı daha sonra protonlara dönüşür, böylece çekirdekler büyür ve sonunda doğada bulunan birçok ağır elementi oluşturur.
Bu reaksiyonları simüle etmek, nükleer astrofizikteki en büyük zorluklardan biridir, çünkü hesaplamalar için muazzam bir bilgisayar gücü gereklidir.
Derin Öğrenme, Karmaşık Nükleer Hesaplamaları Hızlandırıyor
Yeni sistem, RHINE (r-süreci ısıtma uygulaması hidrodinamik simülasyonlarda sinir ağları ile), r-sürecinde nükleer reaksiyonlar sırasında ne kadar enerji salındığını tahmin etmek için makine öğrenimi (ML), özellikle derin öğrenme sinir ağı kullanır.
Bu enerji salınımı, often ısıtma olarak adlandırılır, madde nasıl fırlatılacağını belirlemede önemli bir rol oynar. Bu, fırlatılan materyalin hızını ve sonrasında oluşan ışığı etkileyebilir. Nötron yıldızları birleştiklerinde, bu parlak parlamayı bir kilonova olarak gözlemleriz.
Sistem, her bir simülasyon sırasında her nükleer hesaplama işlemini yerine getirmek yerine, önce geniş bir referans hesaplaması kütüphanesi kullanarak eğitilir. Eğitimden sonra, ısıtma oranlarını yalnızca hesaplama çabasının bir kısmıyla doğru bir şekilde tahmin edebilir.
Gelecek Deneyleri Kozmik Gözlemlerle Bağlantı Kuruyor
Araştırmacılar, RHINE'nin gelecekte çok daha ayrıntılı simülasyonlara olanak tanıyabileceğini ve aynı zamanda gereken bilgisayar kaynaklarını dramatically azaltabileceğini söylüyor. Bu geliştirilmiş modeller, sonunda FAIR araştırma tesisindeki deneyleri, astronomların yaptığı yıldız patlamaları ve nötron yıldızları birleştiklerine ilişkin gözlemlerle bağlamalarına yardımcı olabilir.
RHINE kaynak kodu, diğer araştırmacıların bu çalışmaya dayanarak yeni şeyler yapabilmeleri için kamuya açık bir şekilde paylaşıldı. Proje, Avrupa Araştırma Konseyi (ERC) de dahil olmak üzere çeşitli organizasyonlar tarafından ortaklaşa finanse edildi.
