Forscher haben eine neue, auf künstlicher Intelligenz basierende Simulation entwickelt, die unser Verständnis davon, wie das Universum viele seiner schwersten Elemente erschafft, erheblich verbessern könnte.
Das von einem internationalen Team am GSI Helmholtzzentrum für Schwerionenforschung GmbH und der FAIR-Anlage entwickelte maschinelle Lernmodell ermöglicht es Wissenschaftlern, die komplexen Kernreaktionen bei Neutronensternverschmelzungen weitaus effizienter als bisher zu simulieren. Ihre Ergebnisse wurden in der Fachzeitschrift Physical Review D veröffentlicht.
Viele der im Universum vorkommenden chemischen Elemente — darunter Gold, Platin und Uran — werden bei extremen kosmischen Ereignissen wie Supernova-Explosionen und Neutronensternverschmelzungen erzeugt. Diese gewaltigen Explosionen erzeugen die Energie, die zur Produktion schwerer Atomkerne durch einen als schnellen Neutroneneinfang oder r-Prozess bekannten Vorgang benötigt wird.
Die Simulation dieser Reaktionen ist eine der größten Herausforderungen der nuklearen Astrophysik, da die Berechnungen enorme Rechenleistung erfordern.
Das neue System namens RHINE (r-process heating implementation in hydrodynamic simulations with neural networks) nutzt ein tiefes neuronales Netz, um abzuschätzen, wie viel Energie bei Kernreaktionen im r-Prozess freigesetzt wird, während hydrodynamische Simulationen laufen.
Der RHINE-Quellcode wurde öffentlich zugänglich gemacht, damit andere Forscher auf der Arbeit aufbauen können. Das Projekt wurde vom Europäischen Forschungsrat kofinanziert.
