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

当一颗大质量恒星在剧烈的爆炸中死亡时，它会变成超新星，这一宇宙事件会在短暂的瞬间盖过整个星系的光芒。为了理解这些爆炸内部发生了什么，天文学家依赖于计算机模拟来追踪光线如何穿过不断膨胀的碎片云。这个过程被称为辐射转移，就像是追踪一束光线如何与数十亿个原子发生碰撞、被吸收或穿过它们。挑战在于，超新星内部的原子并不处于平静、稳定的状态；它们不断受到强烈辐射的激发和电离，科学家将这种状态称为非局部热力学平衡。为三维爆炸中的每一个点计算原子的精确状态，其计算量极其庞大，以至于直到现在，研究人员仍被迫简化他们的模型，通常会忽略复杂的3D结构或详细的原子物理学，以便在合理的时间内得出结果。

一支研究团队现在通过一个名为 SEDONA-GesaRaT 的新计算机程序打破了这一瓶颈。该软件将一种用于模拟光的传统方法与一种旨在瞬间解决困难原子物理问题的强大人工智能工具相结合。通过在 119 次以往的 Ia 型超新星（一种用于测量宇宙距离的标准烛光）模拟上训练该 AI，该团队创建了一个系统，可以预测原子的行为，而无需执行旧方法所要求的缓慢、逐步的计算。其结果是一个能够模拟超新星爆炸完整的、复杂的三维结构，包括光与物质相互作用的详细物理过程的程序，且耗时仅为以前的一小部分。

研究人员使用一个被称为 N100 的详细 Ia 型超新星模型测试了这个新工具。他们运行了模拟，以观察光线如何穿过爆炸，以及从不同角度观察时呈现出的样子。该程序成功生成了一个庞大的数据集，不仅展示了光的亮度，还展示了其偏振（描述了光波的方向）。这种偏振数据就像是爆炸内部形状的指纹，揭示了碎片是平滑的还是块状的。团队发现，他们的人工智能加速程序在整体亮度和颜色方面，与旧的、更慢的方法非常吻合。然而，他们也注意到了一些特定的差异，即程序高估了某些化学元素的不透明度，特别是硅和钙的谱线。这些微小的误差表明，虽然人工智能速度极快且总体准确，但它仍然需要改进，以完美捕捉原子相互作用的每一个细微差别。

这项成就之所以特别显著，在于模拟的规模之大。运行一次这种三维、高精度模型的单次计算在标准处理器上大约需要 3,000 小时的计算时间。虽然这听起来很多，但以往的方法若要达到同样的细节水平和准确度，所需的资源将远超目前可用的范围。事实上，旧的代码要么只能在保持这种物理细节水平的同时模拟一维版本的简化爆炸，要么在模拟全三维版本时只能使用更简单的物理学。新程序让科学家能够将爆炸视为一个复杂、凹凸不平的三维物体，而不是一个光滑的球体。例如，模拟揭示了爆炸中钙的密度如何与光的偏振相关联，显示出光的取向如何取决于膨胀壳层内密集气体的位置。

运行这些详细模拟的能力开启了理解超新星的新纪元。由于该程序效率极高，研究人员现在可以系统地研究这些爆炸的内部结构，通过比较不同的模型，看哪一个最符合我们在地球上实际观测到的光。这对于解读来自望远镜的数据至关重要，这些望远镜捕捉到的超新星偏振信息包含了关于爆炸几何形状和元素分布的线索。研究人员指出，虽然他们目前的工具是专门针对 Ia 型超新星进行训练的，但只要 AI 在特定爆炸中所含的化学成分上进行训练，同样的方法最终也可以应用于其他类型的恒星爆炸。通过使在计算上原本不可能实现的事情变得可行，SEDONA-Gesa-RaT 改变了天文学家探测垂死恒星那剧烈且复杂核心的方式。