Нейросеть RHINE: новый взгляд на ядерные реакции
Специалисты из международного коллектива, работающего на базе GSI/FAIR, создали алгоритм под названием RHINE. Эта система на основе глубокого обучения способна моделировать процессы, происходящие при слиянии нейтронных звезд. В отличие от классических методов, нейросеть гораздо быстрее вычисляет энерговыделение, сопровождающее синтез тяжелых ядер. Обучение проводилось на массиве данных, включающем тысячи детализированных сценариев ядерных взаимодействий.
Почему это открытие важно
Известно, что тяжелые химические элементы рождаются в экстремальных условиях — при взрывах сверхновых или столкновениях нейтронных звезд. Количество выделяемой энергии напрямую влияет на разлет вещества после катаклизма и на яркость так называемых килоновых. Проверка показала, что результаты, полученные с помощью RHINE, практически идентичны данным традиционных вычислений, что доказывает надежность нового подхода.
Сравнение продемонстрировало почти полное соответствие прогнозов ИИ классическим расчетам
Доктор Цзевей Сюн
Как отметил доктор Оливер Юст, ученые давно стремятся смоделировать подобные реакции теоретически, однако полные вычисления требуют колоссальных вычислительных мощностей. Теперь исходный код RHINE опубликован в открытом доступе, что позволяет другим исследователям интегрировать эту технологию в свои проекты. Информация об этом появилась в издании ScienceDaily.
Создание RHINE знаменует собой серьезный прогресс в астрофизике: скорость моделирования сложных ядерных процессов возрастает многократно, что углубляет наше понимание механизмов космических явлений. Открытый код также стимулирует сотрудничество между научными центрами, ускоряя возможные прорывы в физике частиц и астрономии.
Важные достижения в области астрофизики не ограничиваются только созданием нейросети RHINE. Недавно физики также провели успешные испытания новаторского квантового детектора, который направлен на поиск тёмной материи. Эти исследования могут значительно расширить наши представления о структуре Вселенной и её загадочных компонентах.