💥 Une IA pour comprendre d'où vient l'or, l'uranium, et tous les éléments lourds

L'or de votre bijou et l'uranium dans les centrales nucléaires partagent une origine commune et cataclysmique: ils sont nés lors de collisions d'étoiles à neutrons dans ce que l'on nomme des kilonovae. Jusqu'à présent, les scientifiques ne parvenaient pas à simuler ces événements avec assez de précision pour comprendre la formation de ces éléments lourds. Une nouvelle approche vient de lever ce verrou.

Pour mener à bien cette simulation, il est nécessaire de suivre des milliers de réactions nucléaires dans des conditions extrêmes. Les méthodes classiques exigent une puissance de calcul colossale, ce qui force à simplifier les modèles. On omettait souvent des détails essentiels sur l'énergie dégagée lors du processus de capture rapide de neutrons, appelé processus r.


Pour pallier ces limitations, RHINE, un outil d'apprentissage automatique créé par des chercheurs du GSI/FAIR et leurs collaborateurs. RHINE signifie "r-process heating implementation in hydrodynamic simulations with neural networks". Ce modèle utilise l'apprentissage profond pour prédire l'énergie libérée par les réactions nucléaires, sans avoir à effectuer des calculs nucléaires complets. Il économise ainsi un temps de calcul précieux.

L'idée centrale est élégante: on entraîne d'abord un réseau de neurones sur un grand nombre de calculs de référence. Une fois entraîné, le réseau peut instantanément estimer les taux de chauffage pendant une simulation hydrodynamique. Cela permet aux chercheurs d'inclure l'effet de l'énergie nucléaire sur la dynamique de l'explosion, ce qui était auparavant trop coûteux en calcul.

L'équipe a validé RHINE en comparant ses prédictions avec des données de référence détaillées. L'accord était remarquablement bon, confirmant que l'apprentissage automatique peut capturer la physique en jeu. Cette validation indique que les futures simulations pourront intégrer de manière réaliste le chauffage du processus r, améliorant les modèles de kilonovae et d'autres signaux électromagnétiques.

Grâce à RHINE, les chercheurs peuvent désormais réaliser des simulations plus détaillées des fusions d'étoiles à neutrons dans des kilonovae mais auss des supernovae. Cela ouvre la voie à des liens entre modèles théoriques et observations. Comprendre le chauffage du processus r est essentiel pour interpréter les courbes de lumière des kilonovae et l'abondance des éléments lourds dans l'Univers.

Les fusions d'étoiles à neutrons

Les étoiles à neutrons sont les vestiges ultra-denses d'explosions de supernova. Lorsque deux de ces astres orbitent l'un autour de l'autre, ils finissent par entrer en collision dans un cataclysme. Cette fusion libère une énergie gigantesque sous forme d'ondes gravitationnelles, détectables sur Terre, et éjecte de la matière riche en neutrons.

La matière éjectée donne naissance à une kilonova, un flash lumineux transitoire. C'est dans cette matière que le processus r opère, produisant une grande partie des éléments lourds. La fusion d'étoiles à neutrons observée en 2017 (GW170817) a confirmé ce scénario.

Les simulations de ces fusions sont exigeantes car elles impliquent la physique nucléaire, l'hydrodynamique et la gravitation. Des modèles comme RHINE permettent d'intégrer le chauffage nucléaire dans les simulations, améliorant notre compréhension des kilonovae et de la synthèse des éléments. Ces travaux aident à interpréter les observations actuelles et futures.