一種模擬超新星的新方法可以揭示我們的宇宙起源。超新星是正在爆炸的恆星，在星系的形成和演化過程中扮演著舉足輕重的角色。然而，準確而有效率地模擬這些現像一直是一項重大挑戰。包括東京大學研究人員在內的一個團隊首次利用深度學習來增強超新星模擬。這項進展加速了模擬過程，而模擬對於理解星系的形成和演化以及導致生命的化學演化至關重要。

當你聽到深度學習時，你可能會想到本週湧現的最新應用程序，它們能巧妙地處理圖像或生成類似人類的文本。深度學習可能負責這些事情的一些幕後工作，但它也被廣泛應用於不同的研究領域。最近，在一場名為黑客馬拉鬆的科技活動中，一個團隊將深度學習應用於天氣預報。事實證明它相當有效，這也引起了東京大學天文系博士生平島圭也的思考。

上圖顯示的是正在模擬的星系的廣大區域。時間解析度非常低，模擬的每”一步”大約為 10 萬年。下圖顯示的是受超新星爆炸影響的特定區域，時間解析度較高，每一步的時間都在 1 萬年以下。這些區域與更一般的模擬相結合，提高了模擬的整體準確性和效率。資料來源：2023 Hirashima et al.，NASA/JPL-Caltech/ESO/R. Hunt/Hubble/L. Calçada CC-BY-ND

平島說：”天氣是一種非常複雜的現象，但最終歸結為流體動力學計算。因此，我在想，我們是否可以修改用於天氣預報的深度學習模型，並將其應用於另一種流體系統，但這種流體系統的規模要大得多，而且我們無法直接接觸到：我的研究領域–超新星爆炸。 “

當質量合適的恆星燃盡大部分燃料並在巨大的爆炸中坍縮時，就會發生超新星。超新星的體積如此巨大，以至於它們能夠而且確實會影響其所在星系的大片區域。如果幾百年前在距離地球幾百光年的範圍內發生了超新星，你現在可能就不會讀到這篇文章了。因此，我們對超新星了解得越多，就能更理解為什麼星系會變成現在這個樣子。

在超新星模擬過程中，（左）顯示的是目前模擬方法的預測結果。 (右圖）顯示的是 3D-MIM 的預測結果，它看起來與目前的主要方法非常接近，但執行時間卻短得多，從而節省了時間、能源和計算時間成本。圖片來源：2023 Hirashima et al.

“問題在於計算超新星爆炸方式所需的時間。目前，許多長時間跨度的星系模型都將超新星的爆炸方式簡化為完美的球形，因為這相對容易計算，”平島說。 “然而，在現實中，它們是很不對稱的。構成爆炸邊界的物質外殼的某些區域比其他區域更複雜。我們應用深度學習來幫助確定在模擬過程中，爆炸的哪些部分需要更多或更少的關注，以確保最佳的準確性，同時在整體上花費最少的時間。這種劃分問題的方法稱為哈密頓分裂。我們的新模型–3D-MIM，可以將計算 10 萬年超新星演化的計算步驟減少 99%。所以，我認為我們也確實有助於減少瓶頸。 “

當然，深度學習需要深度訓練。平島和他的團隊必須運行數百次模擬，耗費數百萬小時的電腦時間（超級電腦是高度並行的，因此這個時間長度將被分配給所需的數千個計算元素）。但他們的結果證明這是值得的。

現在，他們希望將自己的方法應用到天文物理學的其他領域；例如，星系演化也會受到大型恆星形成區的影響。 3D-MIM 模擬了恆星的死亡過程，也許很快也能用來模擬恆星的誕生過程。它甚至可以在天文物理學以外的其他需要高空間和時間分辨率的領域中找到用武之地，例如氣候和地震模擬。

參考文獻Keiya Hirashima、Kana Moriwaki、Michiko S Fujii、Yutaka Hirai、Takayuki R Saitoh 和Junichiro Makino 的”利用深度學習對高分辨率星系模擬進行超新星外殼膨脹的三維時空預測”，2023 年9 月18 日，《皇家天文學會月刊》（Monthly Notices of the Royal Astronomical Society）。

DOI: 10.1093/mnras/stad2864

編譯來源：ScitechDaily