SEDONA-GesaRaT: an AI-Accelerated Radiative Transfer Program for 3-D Supernova Simulations

عندما يموت نجم ضخم في انفجار عنيف، فإنه يتحول إلى مستعر أعظم (سوبرنوفا)، وهو حدث كوني يفوق في سطوعه مجرات بأكملها للحظة وجيزة. ولفهم ما يحدث داخل هذه الانفجارات، يعتمد علماء الفلك على عمليات محاكاة حاسوبية تتبع كيفية انتقال الضوء عبر سحابة الحطام المتمددة. هذه العملية، المعروفة باسم الانتقال الإشعاعي، تشبه تتبع شعاع من الضوء وهو يرتد عن مليارات الذرات، أو يُمتص بواسطتها، أو يمر عبرها. ويكمن التحدي في أن الذرات داخل المستعر الأعظم ليست في حالة هادئة ومستقرة؛ فهي تتعرض باستمرار للإثارة والتأين بفعل الإشعاع المكثف، وهي حالة يسميها العلماء "عدم التوازن الديناميكي الحراري المحلي". إن حساب الحالة الدقيقة لهذه الذرات لكل نقطة في انفجار ثلاثي الأبعاد هو أمر مرهق حاسوبياً لدرجة أن الباحثين كانوا مضطرين، حتى الآن، إلى تبسيط نماذجهم، وغالباً ما يتجاهلون البنية ثلاثية الأبعاد المعقدة أو الفيزياء الذرية التفصيلية للحصول على نتيجة في وقت معقول.

لقد كسر فريق من الباحثين الآن هذه العقبة باستخدام برنامج حاسوبي جديد يسمى SEDONA-GesaRaT. يجمع هذا البرنامج بين طريقة تقليدية لمحاكاة الضوء وأداة قوية تعتمد على الذكاء الاصطناعي مصممة لحل مشكلات الفيزياء الذرية الصعبة بشكل فوري. ومن خلال تدريب هذا الذكاء الاصطناعي على 119 محاكاة سابقة لمستعرات أعظم من النوع (Ia) — وهو نوع محدد من الانفجارات النجمية يعمل كـ "شمعة قياسية" لقياس المسافات الكونية — أنشأ الفريق نظاماً يمكنه التنبؤ بسلوك الذرات دون إجراء الحسابات البطيئة والخطوة بخطوة التي تتطلبها الطرق القديمة. والنتيجة هي برنامج يمكنه محاكاة البنية ثلاثية الأبعاد الكاملة والمعقدة لانفجار المستعر الأعظم، بما في ذلك الفيزياء التفصيلية لكيفية تفاعل الضوء مع المادة، في جزء بسيط من الوقت الذي كان يستغرقه سابقاً.

اختبر الباحثون هذه الأداة الجديدة باستخدام نموذج مفصل لمستعر أعظم من النوع (Ia) يُعرف باسم N100. فقد أجروا عمليات محاكاة لمعرفة كيف سينتقل الضوء عبر الانفجار وكيف سيظهر لمراقب من زوايا مختلفة. نجح البرنامج في توليد مجموعة بيانات ضخمة لا تظهر فقط سطوع الضوء، بل أيضاً استقطابه، الذي يصف اتجاه موجات الضوء. وتعمل بيانات الاستقطاب هذه مثل "بصمة" لشكل الانفجار الداخلي، حيث تكشف ما إذا كان الحطام ناعماً أم متكتلاً. ووجد الفريق أن برنامجهم المعزز بالذكاء الاصطناعي قد أنتج نتائج تتطابق بشكل وثيق جداً مع الطرق الأقدم والأبطأ فيما يتعلق بالسطوع العام ولون الضوء. ومع ذلك، لاحظ البالون وجود تباينات محددة حيث بالغ البرنامج في تقدير عتامة عناصر كيميائية معينة، وتحديداً الخطوط الطيفية للسيليكون والكالسيوم. وتشير هذه الأخطاء الطفيفة إلى أنه على الرغم من أن الذكاء الاصطناعي سريع للغاية ودقيق بشكل عام، إلا أنه لا يزال بحاجة إلى صقل لالتقاط كل تفاصيل التفاعلات الذرية بدقة تامة.

إن ما يجعل هذا الإنجاز مهماً بشكل خاص هو النطاق الهائل للمحاكاة. فقد استغرأت عملية تشغيل واحدة لهذا النموذج عالي الدقة ثلاثي الأبعاد حوالي 3,000 ساعة من وقت الحوسبة على معالج قياسي. ورغم أن هذا يبدو كثيراً، إلا أن الطرق السابقة كانت ستتطلب موارد تتجاوز المتاح حالياً لتحقيق نفس المستوى من التفصيل والدقة. في الواقع، لم تتمكن الأكواد القديمة إلا من محاكة نسخة مبسطة أحادية البعد من الانفجار بنفس هذا المستوى من التفصيل الفيزيائي، أو نسخة ثلاثية الأبعاد كاملة بفيزياء أبسط بكثير. يتيح البرنامج الجديد للعلماء رؤية الانفجار كجسم ثلاثي الأبعاد معقد ومتكتل بدلاً من كونه كرة ملساء. فعلى سبيل المثال، كشفت عمليات المحاكاة كيف ترتبط كثافة الكالسيوم في الانفجار باستقطاب الضوء، مما يظهر أن اتجاه الضوء يتغير اعتماداً على موقع الغاز الكثيف داخل الغلاف المتمدد.

إن القدرة على تشغيل هذه المحاكاة التفصيلية تفتح الباب أمام عصر جديد لفهم المستعرات الأعظم. ولأن البرنامج فعال للغاية، يمكن للباحثين الآن دراسة الهياكل الداخلية لهذه الانفجارات بشكل منهجي، ومقارنة النماذج المختلفة لمعرفة أي منها يطابق الضوء الذي نرصده بالفعل من الأرض. وهذا أمر بالغ الأهمية لتفسير البيانات الواردة من التلسكوبات التي تلتقط استقطاب ضوء المستعر الأعظم، والذي يحمل أدلة حول هندسة الانفجار وتوزيع العناصر. وقد أشار الباحثون إلى أنه بينما تم تدريب أداتهم الحالية خصيصاً على المستعرات الأعظم من النوع (Ia)، فإن النهج نفسه يمكن تطبيقه في النهاية على أنواع أخرى من الانفجارات النجمية، بشرط تدريب الذكاء الاصطناعي على المكونات الكيميائية المحددة الموجودة في تلك الأحداث. ومن خلال جعل الأمر المستحيل حاسوبياً ممكناً، يقوم برنامج SEDONA-GesaRaT بتحويل كيفية سبر الأطباء الفلكيين لأعماق القلوب العنيفة والمعقدة للنجوم المحتضرة.