Коллектив международных исследователей, представляющих в том числе Лос-Аламосскую национальную лабораторию и Технический университет Дармштадта, разработал инновационную аналитическую платформу на базе ИИ для интерпретации астрофизических данных. Ученым впервые удалось напрямую вычислить параметры взаимодействия нуклонов в условиях экстремальной плотности, опираясь на сведения о поведении нейтронных звезд и процессах их слияния.
В ходе исследования анализировались сигналы гравитационных волн (в частности, событие GW170817, зафиксированное детекторами LIGO в 2017 году), а также результаты рентгеновского мониторинга, полученные с помощью миссии NICER. Использование алгоритмов машинного обучения позволило уточнить характеристики сильного взаимодействия — фундаментальной силы, удерживающей нуклоны в ядрах и определяющей физические свойства сверхплотных сред.
Для реализации задачи была задействована связка из двух инструментов: первый моделирует квантовые эффекты в плотной материи, а второй представляет собой нейронную сеть, обученную на массивах данных для сопоставления микрофизических свойств вещества с наблюдаемыми макроскопическими признаками звезд. Такая стратегия позволила заменить ресурсозатратное математическое моделирование быстрыми и высокоточными предиктивными расчетами.
Источник: NASA, ESA, J. DePasquale (STScI), and R. Hurt (Caltech/IPAC)
Особое внимание авторы уделили трехчастичным силам — одному из наиболее сложных для изучения аспекта ядерной физики, который проявляется лишь при тесном сближении трех и более нуклонов. Полученные выводы не только согласуются с результатами земных лабораторных экспериментов, но и расширяют границы понимания процессов, протекающих в запредельных физических условиях.
Разработанная методология открывает новые горизонты в исследовании сильного взаимодействия при сверхвысоких плотностях и может стать ключом к обнаружению экзотических состояний материи, таких как кварк-глюонная плазма. С вводом в эксплуатацию гравитационных обсерваторий следующего поколения (Cosmic Explorer и Einstein Telescope) точность подобных аналитических методов существенно возрастет.
Источник: iXBT
