Eine Vielzahl der uns bekannten chemischen Elemente entsteht in gewaltigen stellaren Ereignissen wie Sternexplosionen oder Neutronensternverschmelzungen. Diese Events setzen unglaubliche Energiemengen frei, die die Herstellung schwerer Nuklide ermöglichen. Ein wichtiger kernphysikalischer Produktionsprozess ist der schnelle Neutroneneinfang (rapid neutron-capture oder r-Prozess), bei dem freie Neutronen von bestehenden Kernen eingefangen werden und sich dort in Protonen umwandeln, wodurch größere, schwerere Atomkerne entstehen. „Weltweit arbeiten Forschende daran, diese komplexen Reaktionen mithilfe von theoretischen Simulationen begreifbar zu machen. Um alle Parameter abzubilden, wären jedoch unglaubliche Rechenkapazitäten nötig, weshalb die Modelle häufig stark vereinfacht werden müssen“, erläutert Oliver Just, Erstautor der Studie und Wissenschaftler bei GSI/FAIR. „Unser neues Modell RHINE, das mit künstlicher Intelligenz arbeitet, bietet eine effiziente Alternative.“
RHINE (r-process heating implementation in hydrodynamic simulations with neural networks) nutzt maschinelles Lernen (ML), genauer ein auf Deep Learning basierendes neuronales Netzwerk, um die Energiefreisetzung der Kernreaktionen im r-Prozess in hydrodynamischen Simulationen der Ereignisse zu beschreiben. Diese „Heizung“ kann einen signifikanten Einfluss auf die Dynamik und Geschwindigkeitsverteilung des durch die Explosion ausgeschleuderten Materials haben und somit auch auf die erzeugte elektromagnetische Strahlung, die im Fall von Neutronensternverschmelzungen als „Kilonova“ beobachtbar ist.
Mehr zum r-Prozess
TRIUMF: schwerste Zinn-Isotope erstmals vermessen
Insel der asymmetrischen Kernspaltung entdeckt
Elemententstehung: Woher stammen die p-Kerne?
Heavy Metal aus dem Mahlstrom
Die Sonne besser verstehen
Dichter Materie auf der Spur
„Die ML-Modelle werden zunächst mithilfe einer großen Anzahl an Referenzrechnungen trainiert, die mit einem vollständigen Satz an Kernreaktionen erzeugt wurden. Anschließend werden die Modelle in laufenden hydrodynamischen Simulationen eingesetzt, um die Heizraten, die während des r-Prozesses auftreten, mit geringem Aufwand näherungsweise zu bestimmen“, erklärt Zewei Xiong, Kollege von Just in der Abteilung „Nukleare Astrophysik & Struktur“. Er zeichnete maßgeblich für die Konstruktion der ML-Modelle verantwortlich. „Wir haben unser ML-basiertes Schema mittels detaillierter Vergleiche mit Referenzdaten validiert. Die gute Übereinstimmung legt nahe, dass durch den Einsatz von ML-Modellen enorme Mengen an Rechenzeit gespart werden können. Wir konnten aus den Ergebnissen auch ablesen, dass das r-Prozess-Heizen ein wichtiger Effekt ist, der in zukünftigen Modellierungen besser berücksichtigt werden sollte.“
In Zukunft können durch die Nutzung des neuen RHINE-Modells noch detailliertere Simulationen durchgeführt werden, welche es erlauben, die Ergebnisse der zukünftigen FAIR-Experimente direkt mit Beobachtungen von Sternexplosionen und Neutronensternverschmelzungen zu verknüpfen.
Der Quellcode von RHINE ist öffentlich zur Nutzung verfügbar. Das Projekt wurde unter anderem durch den Europäischen Forschungsrat (European Research Council, ERC) mitfinanziert. [GSI / dre]
Weitere Informationen
- Originalveröffentlichung
O. Just, Z. Xiong & G. Martínez-Pinedo, 𝑟-process heating implementation in hydrodynamic simulations with neural networks, Phys. Rev. D 113, 083022, 16. April 2026; DOI: 10.1103/gl2l-7f3g - Quellcode
O. Just, Z. Xiong & G. Martínez-Pinedo, RHINE: R-process Heating Implementation in hydrodynamic simulations with NEural networks, Zenodo, Version 1.0, 11. Juli 2025; DOI: 10.5281/zenodo.15864447 - Theoretical Nuclear Astrophysics Group (Gabriel Martínez-Pinedo), GSI Helmholtzzentrum für Schwerionenforschung, Darmstadt
Anbieter
GSI Helmholtzzentrum für Schwerionenforschung GmbHPlanckstraße 1
64291 Darmstadt
Deutschland
Meist gelesen
Gravitationswellen als Ursprung der Dunklen Materie
Neuartige Berechnungen erforschen das frühe Universum und legen eine neue Methode zur Teilchenherstellung nahe.
Solarzellen der nächsten Generation entschlüsselt
Physiker am ISTA erklären die außergewöhnliche Energieausbeute von Blei-Halogenid-Perowskiten mit Verunreinigungen und Defekten.
Ein Paradigmenwechsel in der Röntgenastronomie
SRG/eROSITA zeigt erstmals, wie unser Sonnensystem das Erscheinungsbild des Röntgenhimmels verändert und sieht Helium-Fokussierungskegel.
Photonen in einem diamantbasierten Quantensystem auf neue Weise erzeugen
Ultraschnelle Laserpulse bringen Quanteninternet der Realität näher und Quantenforschung weiter in Richtung Anwendung.
Sebastian Paeckel findet Verfahren, um das Nyquist-Shannon-Limit zu überwinden
Neue Methode zur Simulation komplexer Quantensysteme verschiebt grundlegende Auflösungsgrenzen und gibt womöglich Einblicke in die Hochtemperatursupraleitung.