Des réseaux de neurones ont modélisé la formation de l'or et du platine dans l'univers

Des astrophysiciens du Centre de recherche sur les ions lourds (GSI, Allemagne) ont réussi à modéliser en temps réel la formation d'éléments lourds lors de la collision d'étoiles à neutrons grâce à des réseaux de neurones. Cette nouvelle méthode, baptisée RHINE, ouvre une nouvelle ère dans l'utilisation de l'AI pour étudier les processus physiques les plus complexes de l'univers. C'est ce que rapporte Ixbt.com rapporte .

L'apparition de l'or, du platine et de nombreux autres métaux lourds dans l'univers est liée à la collision d'étoiles à neutrons, un phénomène appelé processus r (capture rapide de neutrons). Jusqu'à présent, les scientifiques rencontraient de grandes difficultés pour calculer ce processus, car la puissance des supercalculateurs actuels ne suffisait pas à calculer simultanément l'interaction d'environ 3000 isotopes différents.

Les erreurs des méthodes traditionnelles ont été éliminées

Auparavant, ces simulations étaient effectuées en deux étapes : d'abord la collision elle-même, puis les réactions nucléaires séparément. Cependant, selon Ixbt.com, cette approche était erronée car elle ne prenait pas en compte l'influence de l'énergie libérée sur le mouvement de la matière. La méthode RHINE, quant à elle, a combiné ces deux processus à l'aide de réseaux de neurones.

Les chercheurs ont créé un ensemble composé de 16 réseaux de neurones spécialisés. Au lieu de suivre des milliers d'isotopes, ils analysent quelques caractéristiques physiques clés du milieu : la proportion de neutrons, de protons et de noyaux lourds. Cela a permis d'augmenter la vitesse de calcul de plusieurs fois, rapprochant le processus du temps réel.

Importance pratique de la découverte

Les tests effectués avec le nouveau modèle ont donné des résultats inattendus. Lorsque l'énergie libérée par le processus r est prise en compte, il s'avère que la vitesse moyenne de la matière éjectée dans l'univers augmente de 40 % et sa masse de 20 %. Cette énergie aide la matière à surmonter la gravité de l'objet central (trou noir).

De plus, les données obtenues par le réseau de neurones permettent de prédire plus précisément la luminosité d'une kilonova, l'éclat qui se produit après la collision d'étoiles à neutrons. Selon les calculs, 10 jours après la collision, un tel éclat sera deux fois plus brillant que ce qui était estimé auparavant. Cela aidera les astronomes à obtenir des données plus précises lors de l'observation d'événements comme GW170817 via des télescopes.

Actuellement, le code RHINE et les modèles de réseaux de neurones sont en accès libre. Cela servira de nouvel outil aux scientifiques du monde entier pour étudier les processus les plus mystérieux de l'univers et analyser les données des futurs observatoires d'ondes gravitationnelles. Cette technologie a été entraînée sur la plateforme PyTorch et constitue un exemple brillant de l'intégration réussie de l'astrophysique moderne et de l'AI.