Aurul din inel, uraniul din reactor – proveniența lor e aceeași: un infern cosmic. Oamenii de știință știu de mult că cele mai grele elemente se nasc în evenimente cataclismice, precum fuziunea stelelor neutronice sau exploziile de supernove.
În aceste medii, cantități monstruoase de energie și neutroni liberi declanșează un proces numit captură rapidă de neutroni – mecanismul prin care nucleele atomice se umflă, absorb neutroni, îi transformă în protoni și generează elemente din ce în ce mai grele.
Fenomenul e bine cunoscut, dar simularea lui fidelă a rămas, până acum, aproape imposibilă. Problema e una de scară.
Cercetătorii din întreaga lume încearcă să reconstituie teoretic aceste reacții, însă complexitatea lor astronomică necesită o putere de calcul atât de mare încât modelele trebuie, de regulă, simplificate drastic. Fiecare parametru nou adăugat în ecuații crește exponențial cerințele de procesare.
Rezultatul: simulări incomplete, care pierd detalii esențiale despre cum se eliberează energia în timpul procesului – o informație crucială, pentru că această încălzire poate schimba mișcarea materiei expulzate și semnalele electromagnetice observate de pe Pământ, inclusiv kilonovele care urmează fuziunilor de stele neutronice.
Cum AI-ul sparge blocajul calculațional
Acum, o echipă de la GSI/FAIR, alături de colaboratori internaționali, a găsit o cale de a ocoli blocajul. Au construit un model bazat pe inteligență artificială – mai exact, pe o rețea neuronală de învățare profundă – și l-au integrat direct în simulările hidrodinamice.
Rezultatul poartă numele RHINE: o abreviere care desemnează implementarea încălzirii prin procesul r cu ajutorul rețelelor neuronale în simulările hidrodinamice. În esență, modelul învață dintr-un set vast de calcule de referință, generate printr-o abordare completă a reacțiilor nucleare.
Apoi, în loc să recalculeze fiecare pas în detaliu, rețeaua aproximează ratele de încălzire cu un efort minim de calcul. Dr. Zewei Xiong, cercetătorul care a condus proiectarea modelelor, explică procesul: mai întâi, inteligența artificială este antrenată pe mii de scenarii de referință.
Apoi, odată integrată în simulările propriu-zise, ea estimează rapid energia eliberată. Validările arată un grad ridicat de concordanță între predicțiile AI și datele de control.
Potrivit lui Xiong, acest lucru sugerează că utilizarea modelelor de inteligență artificială poate economisi o cantitate uriașă de timp de calcul, permițând simulări mult mai detaliate.
Mai mult, rezultatele indică faptul că încălzirea generată de procesul r este un factor important, care ar trebui integrat mai bine în modelările viitoare – până acum, era adesea neglijat din cauza costului computațional prohibitiv.
Ce ne dezvăluie RHINE despre originile elementelor
Publicată în revista Physical Review D, cercetarea semnată de dr. Oliver Just și colegii săi deschide o punte între experimentele de la viitoarea instalație FAIR și observațiile astronomice ale exploziilor stelare și fuziunilor de stele neutronice.
Cu RHINE, simulările devin nu doar mai rapide, ci și mai fidele realității. Rămâne de văzut cât de mult va schimba această abordare înțelegerea noastră asupra originii celor mai grele elemente – și, poate, asupra locului exact de unde provine aurul din bijuterii.
