一个由多国科研人员组成的团队，近日在银河系模拟领域取得重大进展。他们借助人工智能与高性能计算的融合技术，首次成功对超过1000亿颗独立恒星进行演化模拟，完整呈现了这些恒星数万年间的演变过程。这一突破性成果，为天体物理学研究开辟了新路径。
长期以来，科学家在模拟银河系等大型星系时，面临着一个棘手难题：难以同步构建大量独立恒星模型。银河系实际包含超1000亿颗恒星，而此前最优模拟方案的质量上限仅约10亿倍太阳质量，模拟中最小的“粒子”代表的是相当于100倍太阳质量的星团，只能准确呈现大规模天文现象，无法精确呈现星系全貌。这是因为元素合成、超新星爆发、引力与流体动力学等现象发生在截然不同的时间尺度上，使得同步模拟极具挑战。
此次取得突破的国际团队，由日本理化学研究所跨学科理论与数学科学中心（iTHEMS）的平岛庆哉领衔，成员来自东京大学与西班牙巴塞罗那大学。他们开创性地将深度学习代理模型与物理模拟相结合，成功攻克了这一难题。通过对超新星爆发的高分辨率模拟训练，深度学习模型掌握了超新星爆发后10万年间气体膨胀的规律，实现了对含千亿恒星的庞大星系进行单恒星级解析。
在模拟效率方面，新方法优势显著。研究人员介绍，采用传统最优方法模拟银河系时，每百万年演化需耗时315小时。按此速率，模拟十亿年星系演化需超过36年。而运用新方法，每百万年演化模拟仅需2.78小时，模拟十亿年宇宙变迁仅需115天。这意味着新方法的运算速度提升了百倍，模拟的恒星数量达到现有最佳模型的100倍。
该团队将研究成果发表于国际超级计算大会SC'25，并通过理研“富岳”超级计算机与东京大学“Miyabi”超级计算系统的测试数据对比，验证了模拟结果的准确性。平岛庆哉在新闻声明中表示：“我相信人工智能与高性能计算的融合，标志着处理计算科学中多尺度、多物理场问题的方式发生根本性转变。这项成就同时证明，AI加速模拟已超越模式识别范畴，正成为真正的科学发现工具，它将帮助我们追溯构成生命本身的元素在银河系中的诞生历程。”
科研人员认为，这项新方法不仅可应用于天体物理学研究，还可拓展至气候科学等领域。它为检验恒星形成、星系演化等宇宙过程的理论提供了有力工具，有助于人类更深入地理解自身在宇宙中的位置。
