Künstliche Intelligenz hilft Wissenschaftlern dabei, Kollisionen von Neutronensternen präzise zu simulieren

Kollisionen von Neutronensternen gehören zu den energiereichsten Ereignissen im Universum und sind für die Entstehung schwerer chemischer Elemente verantwortlich. Wenn zwei Neutronensterne verschmelzen, werden riesige Mengen neutronenreicher Materie mit Geschwindigkeiten nahe der Lichtgeschwindigkeit in den Weltraum geschleudert. In dieser Umgebung findet der r-Prozess statt, ein Mechanismus der Nukleosynthese, der für die schnelle Bildung schwerer Atomkerne verantwortlich ist. Durch diesen Prozess entstehen Elemente wie Gold, Platin und Uran.

Um im Detail zu verstehen, was bei diesen Kollisionen geschieht, sind numerische Simulationen erforderlich. Die Modelle müssen die Hydrodynamik der herausgeschleuderten Materie, die für die Entstehung der Elemente verantwortliche Kernphysik sowie relativistische Effekte beschreiben. Dies erfordert komplexe Berechnungen, bei denen Tausende von Kernreaktionen berücksichtigt werden müssen. In vielen Fällen kann die Durchführung einer einzigen Simulation auf Supercomputern Tage oder Wochen dauern. Diese Einschränkung erschwert die Untersuchung verschiedener Anfangsbedingungen und physikalischer Parameter.

Um dieses Problem zu lösen, schlägt eine neue Studie vor, künstliche Intelligenz (KI) einzusetzen, um einige dieser Einschränkungen zu überwinden. Die Forscher werden ein Modell entwickeln, das in der Lage ist, den durch die hydrodynamischen Simulationen erzeugten Prozess nachzubilden. Anstatt alle Kernreaktionen in jeder Simulationsphase direkt zu berechnen, lernt das neuronale Netzwerk, deren Auswirkungen effizienter abzuschätzen. Dieser Ansatz ermöglicht es, eine größere Anzahl von Simulationen zu untersuchen und verschiedene physikalische Parameter zu erforschen.

Kollision von Neutronensternen

Zu Kollisionen von Neutronensternen kommt es, wenn zwei dieser kompakten Objekte durch die Aussendung von Gravitationswellen Umlaufbahnenergie verlieren und schließlich verschmelzen. Während der Kollision wird Materie unter extremen Temperatur-, Dichte- und Energiebedingungen ins All geschleudert. Bei der Verschmelzung entsteht zudem eine als Kilonova bezeichnete Explosion, die mit elektromagnetischer Strahlung und Gravitationswellen einhergeht.

Im r-Prozess absorbieren Atomkerne in kurzen Zeitabständen eine große Anzahl von Neutronen, bevor sie radioaktiv zerfallen. Dieser Prozess ermöglicht die Entstehung von Elementen wie Gold, Platin und Uran. Die Menge der synthetisierten Elemente hängt von mehreren Faktoren ab, darunter die Menge des ausgestoßenen Materials, dessen chemische Zusammensetzung und die physikalischen Bedingungen während der Ausdehnung des Materials. Darüber hinaus finden Tausende von Kernreaktionen gleichzeitig statt, während sich die Materie abkühlt und weiterentwickelt.

Problem der numerischen Simulation

Um diese Vorgänge zu verstehen, nutzen Astronomen und Physiker numerische Simulationen, die die physikalischen Abläufe des Phänomens beschreiben. Während einer Verschmelzung treten Phänomene aus den Bereichen der allgemeinen Relativitätstheorie, der Hydrodynamik, der Kernphysik und des Strahlungstransports gleichzeitig auf. Das Zusammenspiel dieser verschiedenen Bereiche der Physik ergibt ein komplexes System, dessen Entwicklung mithilfe von Rechenmodellen Schritt für Schritt berechnet werden muss. Simulationen ermöglichen es uns, diese Vorgänge nachzubilden und theoretische Vorhersagen mit Beobachtungen zu vergleichen.

Die Durchführung dieser Simulationen ist jedoch eine rechenintensive Aufgabe. Die Modelle müssen die Entwicklung von Milliarden von Elementen verfolgen und gleichzeitig Gleichungen lösen, die die Dynamik von Materie und Gravitation beschreiben. In vielen Fällen ist es zudem erforderlich, Tausende von Kernreaktionen zu berücksichtigen, die für die Entstehung der bei der Kollision entstehenden schweren Elemente verantwortlich sind. Je nach Auflösung und Komplexität des Modells kann eine einzelne Simulation Tage oder sogar Wochen dauern.

KI-Simulation

Eine neue Studie schlägt vor, künstliche Intelligenz einzusetzen, um dieses Problem zu lösen und einen der rechenintensivsten Schritte bei Simulationen von Neutronensternkollisionen zu beschleunigen. Die als RHINE bezeichnete Methode nutzt neuronale Netze, um die beim r-Prozess freigesetzte Energie zu modellieren. Die Forscher trainierten das neuronale Netz anhand einer Reihe von Referenzberechnungen, die mit vollständigen Netzwerken von Kernreaktionen generiert wurden. In diesem Schritt lernt das System den Zusammenhang zwischen den physikalischen Zuständen der Materie und der durch den r-Prozess freigesetzten Energie.

Nach dem Training kann das neuronale Netzwerk direkt in hydrodynamische Simulationen integriert werden, um die Erwärmungsraten wesentlich schneller abzuschätzen. Anstatt in jedem Zeitschritt Tausende von Kernreaktionen zu berechnen, liefert die KI Näherungswerte mit geringerem Rechenaufwand. Dadurch lassen sich in kürzerer Zeit mehr Simulationen durchführen und verschiedene physikalische Szenarien untersuchen. Dadurch können die Forscher untersuchen, wie sich die Eigenschaften von Kilonovae und der bei Kollisionen von Neutronensternen ausgestoßenen Materie verändern.

Nach dem Training lässt sich das neuronale Netzwerk direkt in hydrodynamische Simulationen integrieren, um die Erwärmungsraten wesentlich schneller abzuschätzen. Anstatt bei jedem Zeitschritt Tausende von Kernreaktionen zu berechnen, liefert die KI Näherungswerte mit geringerem Rechenaufwand. Dadurch lassen sich in kürzerer Zeit eine größere Anzahl von Simulationen durchführen und verschiedene physikalische Szenarien untersuchen. So können Forscher untersuchen, wie sich die Eigenschaften von Kilonovae und der bei Neutronensternkollisionen ausgestoßenen Materie verändern.