Нейросети научились моделировать рождение тяжёлых элементов при слиянии звёзд в реальном времени

Группа вычислительных астрофизиков из Центра по изучению тяжёлых ионов имени Гельмгольца (GSI) в Германии представила метод RHINE. Он впервые использует нейросети непосредственно внутри многомерных гидродинамических симуляций слияния нейтронных звёзд для моделирования образования тяжёлых элементов.

До сих пор симуляции проводились в два этапа: сначала моделировалось столкновение без учёта ядерных процессов, а затем отдельно рассчитывался нуклеосинтез. Однако энергия, выделяемая при r-процессе (быстром захвате нейтронов), сопоставима с кинетической энергией выбросов и должна влиять на движение вещества в реальном времени. Полный расчёт требует отслеживания около 3000 изотопов, что слишком затратно для современных трёхмерных моделей.

Авторы RHINE заменили прямой расчёт ансамблем из 16 нейросетей типа многослойного перцептрона. Каждая сеть имеет два скрытых слоя по 30–50 нейронов и обучена предсказывать скорость изменения состава вещества и выделения энергии. На вход подаются всего несколько физических параметров: массовые доли нейтронов, протонов, альфа-частиц и тяжёлых ядер, а также среднее массовое число и избыток массы. После вычислений специальный блок обеспечивает соблюдение законов сохранения.

Для обучения использовались результаты полных расчётов — 240 тысяч временных шагов по 5000 траекториям. Обучение на платформе PyTorch занимало около 100 часов процессорного времени. В тестах на новых сценариях отклонение по энергии не превышало 10%, а время симуляции увеличивалось лишь в 1,3–2,1 раза вместо 10–100 раз при точном расчёте.

Практический эффект оказался существенным. При моделировании выбросов из аккреционного диска вокруг чёрной дыры учёт r-процесса увеличил среднюю скорость вещества на 40%, а массу — на 20%. Дополнительная энергия помогает веществу преодолеть гравитацию. Химический состав изменился незначительно, но яркость килоновой через 10 дней после слияния становится почти вдвое выше, что критично для интерпретации наблюдений, подобных GW170817.

Код RHINE и нейросети опубликованы в открытом доступе, что позволит другим научным группам использовать систему в собственных моделях и проверять на будущих данных. Разработка даёт инструмент для более точного сравнения теории с наблюдениями гравитационно-волновых обсерваторий и телескопов.