AI破译宇宙炼金术：最重元素形成之谜被解开！

黄金闪耀于珠宝，铀驱动核能，这些宇宙中最重的元素究竟从何而来？科学家如今确认，它们诞生于宇宙最剧烈的天体碰撞之中，但模拟这一过程曾是计算科学的“不可能任务”。现在，借助人工智能的魔力，德国GSI/FAIR亥姆霍兹重离子研究中心领导的国际团队成功打开了通往这一神秘物理世界的新窗口。

研究团队首次将深度学习神经网络引入流体动力学模拟，用于刻画r过程——即快速中子俘获过程——中释放的能量。近日，这项发表在《物理评论D》（Physical Review D）上的突破性成果，让人类得以窥见中子星并合这类极端天体事件中元素的锻造密码。当两颗中子星在引力波中缠绵碰撞，或当巨大恒星在超新星爆发中壮烈消亡，这些极端环境释放出海量自由中子，原子核如饥似渴地捕获它们，随后中子转化为质子，一步步构筑起比铁更重的元素——从我们指尖的黄金到反应堆中的铀，皆是这场宇宙炼金术的产物。

然而，要完整模拟这些反应过程，传统方法需要吞噬惊人的计算资源。论文第一作者Oliver Just博士解释道：“全球研究者都在通过理论模拟解析这些复杂反应，但计算能力的瓶颈迫使我们不得不简化模型。”为此，团队开发了名为RHINE的革命性模型——基于神经网络的流体动力学模拟中r过程加热实现。这一AI系统首先利用包含数千种同位素的详细核合成计算结果进行训练，随后在流体动力学模拟中，以极微小的计算代价精确预测r过程加热率。这种能量释放不仅影响着爆炸抛射物质的运动与速度，更直接塑造了中子星并合后观测到的千新星电磁信号——天文学家在2017年首次通过引力波和哈勃望远镜见证了这一壮丽现象。

通过详尽的对比验证，机器学习方案的预测与参考数据展现出高度一致性，同时实现了计算时间的戏剧性节省。研究还揭示，r过程加热是此前模型中被严重低估的关键效应，必须在未来模拟中给予更充分的考量。这一AI赋能的模拟工具，不仅将推动对恒星爆炸和中子星并合的精细建模，更将在FAIR等下一代加速器设施建成后，架起连接实验室实验与天文观测的桥梁，让人类最终读懂宇宙元素起源的完整诗篇。
从微观原子核到宏观天体碰撞，AI正带领我们穿越时空，见证那些在星辰废墟中淬炼出的、构成这个物质世界的最深沉秘密。
#热门微博# #科学新闻# #天体物理学# #哈勃观察员[超话]#