💥 Eine KI, um zu verstehen, woher Gold, Uran und alle schweren Elemente kommen

Das Gold Ihres Schmucks und das Uran in Kernkraftwerken haben einen gemeinsamen und katastrophalen Ursprung: Sie entstehen bei Kollisionen von Neutronensternen, den sogenannten Kilo-Novae. Bisher gelang es Wissenschaftlern nicht, diese Ereignisse genau genug zu simulieren, um die Bildung dieser schweren Elemente zu verstehen. Ein neuer Ansatz hat diese Hürde nun überwunden.

Um diese Simulation durchzuführen, müssen Tausende von Kernreaktionen unter extremen Bedingungen verfolgt werden. Klassische Methoden erfordern eine enorme Rechenleistung, was zu einer Vereinfachung der Modelle zwingt. Oft wurden wesentliche Details der bei der schnellen Neutroneneinfang-Reaktion (dem sogenannten r-Prozess) freigesetzten Energie weggelassen.


Um diese Einschränkungen zu überwinden, wurde RHINE entwickelt, ein Werkzeug des maschinellen Lernens, das von Forschern des GSI/FAIR und ihren Mitarbeitern geschaffen wurde. RHINE steht für „r-process heating implementation in hydrodynamic simulations with neural networks“. Dieses Modell nutzt Deep Learning, um die durch Kernreaktionen freigesetzte Energie vorherzusagen, ohne vollständige Kernberechnungen durchführen zu müssen. So spart es wertvolle Rechenzeit.

Die zentrale Idee ist elegant: Zunächst wird ein neuronales Netz auf einer großen Anzahl von Referenzberechnungen trainiert. Nach dem Training kann das Netzwerk während einer hydrodynamischen Simulation sofort die Heizraten schätzen. Dies ermöglicht es den Forschern, die Wirkung der Kernenergie auf die Dynamik der Explosion einzubeziehen, was zuvor rechnerisch zu aufwendig war.

Das Team validierte RHINE, indem es seine Vorhersagen mit detaillierten Referenzdaten verglich. Die Übereinstimmung war bemerkenswert gut und bestätigte, dass maschinelles Lernen die zugrunde liegende Physik erfassen kann. Diese Validierung zeigt, dass zukünftige Simulationen die Erhitzung durch den r-Prozess realistisch integrieren können, was die Modelle von Kilo-Novae und anderen elektromagnetischen Signalen verbessert.

Dank RHINE können Forscher nun detailliertere Simulationen von Neutronenstern-Verschmelzungen in Kilo-Novae, aber auch von Supernovae durchführen. Dies ebnet den Weg für Verbindungen zwischen theoretischen Modellen und Beobachtungen. Das Verständnis der Erhitzung durch den r-Prozess ist entscheidend für die Interpretation der Lichtkurven von Kilo-Novae und der Häufigkeit schwerer Elemente im Universum.

Die Verschmelzung von Neutronensternen

Neutronensterne sind die ultra-dichten Überreste von Supernova-Explosionen. Wenn zwei dieser Himmelskörper umeinander kreisen, kollidieren sie schließlich in einer Katastrophe. Diese Verschmelzung setzt eine gigantische Energie in Form von Gravitationswellen frei, die auf der Erde detektierbar sind, und schleudert neutronenreiche Materie aus.

Die ausgestoßene Materie erzeugt eine Kilo-Nova, einen kurzlebigen Lichtblitz. In dieser Materie findet der r-Prozess statt, der einen Großteil der schweren Elemente hervorbringt. Die 2017 beobachtete Neutronenstern-Verschmelzung (GW170817) bestätigte dieses Szenario.

Simulationen dieser Verschmelzungen sind anspruchsvoll, da sie Kernphysik, Hydrodynamik und Gravitation umfassen. Modelle wie RHINE ermöglichen es, die nukleare Erhitzung in Simulationen zu integrieren und so unser Verständnis von Kilo-Novae und der Elementsynthese zu verbessern. Diese Arbeiten helfen bei der Interpretation aktueller und zukünftiger Beobachtungen.