一個由多國科研人員組成的團隊，近日在銀河系模擬領域取得重大進展。他們借助人工智能與高性能計算的融合技術，首次成功對超過1000億顆獨立恒星進行演化模擬，完整呈現了這些恒星數萬年間的演變過程。這一突破性成果，為天體物理學研究開辟了新路徑。
長期以來，科學家在模擬銀河系等大型星系時，面臨著一個棘手難題：難以同步構建大量獨立恒星模型。銀河系實際包含超1000億顆恒星，而此前最優模擬方案的質量上限僅約10億倍太陽質量，模擬中最小的“粒子”代表的是相當于100倍太陽質量的星團，只能準確呈現大規模天文現象，無法精確呈現星系全貌。這是因為元素合成、超新星爆發、引力與流體動力學等現象發生在截然不同的時間尺度上，使得同步模擬極具挑戰。
此次取得突破的國際團隊，由日本理化學研究所跨學科理論與數學科學中心（iTHEMS）的平島慶哉領銜，成員來自東京大學與西班牙巴塞羅那大學。他們開創性地將深度學習代理模型與物理模擬相結合，成功攻克了這一難題。通過對超新星爆發的高分辨率模擬訓練，深度學習模型掌握了超新星爆發后10萬年間氣體膨脹的規律，實現了對含千億恒星的龐大星系進行單恒星級解析。
在模擬效率方面，新方法優勢顯著。研究人員介紹，采用傳統最優方法模擬銀河系時，每百萬年演化需耗時315小時。按此速率，模擬十億年星系演化需超過36年。而運用新方法，每百萬年演化模擬僅需2.78小時，模擬十億年宇宙變遷僅需115天。這意味著新方法的運算速度提升了百倍，模擬的恒星數量達到現有最佳模型的100倍。
該團隊將研究成果發表于國際超級計算大會SC'25，并通過理研“富岳”超級計算機與東京大學“Miyabi”超級計算系統的測試數據對比，驗證了模擬結果的準確性。平島慶哉在新聞聲明中表示：“我相信人工智能與高性能計算的融合，標志著處理計算科學中多尺度、多物理場問題的方式發生根本性轉變。這項成就同時證明，AI加速模擬已超越模式識別范疇，正成為真正的科學發現工具，它將幫助我們追溯構成生命本身的元素在銀河系中的誕生歷程。”
科研人員認為，這項新方法不僅可應用于天體物理學研究，還可拓展至氣候科學等領域。它為檢驗恒星形成、星系演化等宇宙過程的理論提供了有力工具，有助于人類更深入地理解自身在宇宙中的位置。
