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

巨大な星が激しい爆発を起こして死ぬとき、それは超新星となり、一瞬の間、銀河全体さえも凌駕するほどの輝きを放ちます。これらの爆発の内部で何が起きているのかを理解するために、天文学者は光が膨張する破片の雲の中をどのように伝わるかを追跡するコンピュータ・シミュレーションに頼っています。放射伝達として知られるこのプロセスは、光のビームが数十億個の原子に跳ね返ったり、吸収されたり、あるいは通り抜けたりしていく様子を追うようなものです。課題は、超新星内部の原子が穏やかで安定した状態にあるのではなく、強烈な放射によって絶えず励起され、イオン化されているという点です。これは科学者たちが非局所熱力学的平衡と呼ぶ状態です。三次元の爆発におけるあらゆる地点でこれらの原子の正確な状態を計算することは非常に計算負荷が高いため、これまでは、研究者たちは妥当な時間内に結果を得るために、複雑な三次元構造や詳細な原子物理学を無視してモデルを簡略化せざるを得ませんでした。

研究チームは現在、「SEDONA-GesaRaT」と呼ばれる新しいコンピュータ・プログラムによって、このボトルネックを打破しました。このソフトウェアは、光をシミュレートするための伝統的な手法と、困難な原子物理学の問題を即座に解決するために設計された強力な人工知能ツールを組み合わせています。チームは、宇宙の距離を測定するための標準光源として用いられる特定の種類の恒星爆発である「Ia型超新星」の過去119回のシミュレーションを用いてこのAIを学習させることで、従来のメソッドに必要とされる遅いステップごとの計算を行うことなく、原子の挙動を予測できるシステムを作り上げました。その結果、彼らは、光が物質とどのように相互作用するかという詳細な物理学を含め、超新星爆発の完全で複雑な三次元構造を、従来の方法よりもはるかに短い時間でシミュレートできるプログラムを生み出したのです。

研究者たちは、N100として知られるIa型超新星の詳細なモデルを用いて、この新しいツールをテストしました。彼らは、爆発の中を光がどのように伝わり、観測者から見てどのように見えるかを調べるためにシミュレーションを実行しました。プログラムは、光の明るさだけでなく、光の波の向きを表す偏光についても示す膨大なデータセットを正常に生成しました。この偏光データは、爆発の内部形状の指紋のような役割を果たし、破片が滑らかであるか、あるいは塊状であるかを明らかにします。チームは、彼らのAI加速プログラムが、光の全体的な明るさと色において、以前のより遅い手法と非常によく一致する結果を出したことを発見しました。しかし、プログラムが特定の化学元素、具体的にはケイ素とカルシウムのスペクトル線において不透明度を過大評価しているという、特定の不一致があることにも気づきました。これらの軽微なエラーは、AIが非常に高速で概して正確である一方で、原子間の相互作用のあらゆる細部を完全に捉えるためには、依然として改良が必要であることを示唆しています。

この成果を特に重要なものにしているのは、シミュレーションの規模の大きさです。この三次元の高精度モデルの単一の実行には、標準的なプロセッサで約3,000時間の計算時間を要しました。これは非常に長く聞こえますが、以前の手法では、これと同じレベルの詳細さと正確さを達成するために、現在利用可能な範囲をはるかに超えるリソースを必要としたはずです。実際、古いコードは、これと同じレベルの物理的詳細度を持つ場合、爆発の簡略化された一次元バージョンしかシミュレートできなかったか、あるいは、より単純な物理学を用いた完全な三次元バージョンしか扱えませんでした。新しいプログラムにより、科学者は爆発を滑らかな球体としてではなく、複雑で塊状の三次元物体として見ることができるようになりました。例えば、シミュレーションは、カルシウムの密度が光の偏光とどのように相関しているかを明らかにし、膨張する殻の中に濃密なガスがどこに位置しているかによって、光の向きが変化することを示しました。

これらの詳細なシミュレーションを実行できる能力は、超新星の理解における新しい時代の扉を開きます。プログラムが非常に効率的であるため、研究者は現在、これらの爆発の内部構造を体系的に研究し、異なるモデルを比較して、どれが実際に地球から観測される光と最もよく一致するかを確認することができます。これは、偏光の情報を捉える望遠鏡からのデータを解釈する上で極めて重要であり、その偏光は爆発の幾何学的形状や元素の分布に関する手がかりを握っています。研究者たちは、現在のツールはIa型超新星に特化して学習されているものの、同じアプローチは、それらのイベントに見られる特定の化学成分に基づいてAIを学習させれば、他の種類の恒星爆発にも最終的には適用できる可能性があると述べています。計算可能な不可能を可能にすることで、SEDONA-GesaRaTは、天文学者が死にゆく星の激しく複雑な心臓部をどのように探求できるかを一変させています。