日本理化学研究所跨学科理论与数学科学中心（iTHEMS）的平岛圭也团队，联合东京大学与西班牙巴塞罗那大学的研究人员，成功开发出全球首个可追踪千亿颗独立恒星在万年内演化过程的银河系模拟模型。这一突破性成果通过将人工智能技术与高性能数值模拟深度融合实现，其恒星数量规模较此前最复杂模型提升百倍，生成效率更是提高两个数量级以上。
该研究团队在2025年国际超级计算大会（SC '25）上公布的这项成果，标志着天体物理学、超级计算与智能建模技术的深度融合取得重大进展。其创新方法不仅适用于银河系研究，更为地球系统科学领域的气候预测、海洋环流模拟等大规模复杂系统研究提供了全新范式。
传统银河系模拟长期面临精度与效率的双重困境。要精确追踪每颗恒星的演化轨迹，需同时计算引力相互作用、流体动力学、核合成过程及超新星爆发等复杂物理现象，这些过程跨越从恒星尺度到星系尺度的巨大空间范围，以及从数年到数百万年的时间跨度。此前最先进的模型仅能模拟相当于10亿太阳质量的系统，且每个计算单元需代表约百颗恒星的平均行为，导致超新星爆发等小尺度事件无法精确呈现。
计算效率问题更为严峻。以当前最精细的物理模型计算，模拟银河系100万年的演化需耗时315小时，完整呈现10亿年演化历程需要超过36年连续运算。单纯依靠增加超级计算机核心数量难以解决根本问题——核心数增加不仅导致能耗指数级上升，还会因通信延迟等问题引发计算效率下降。
研究团队提出的混合建模方案巧妙破解了这一难题。他们开发出经过超新星高分辨率模拟训练的深度学习替代模型，该模型可独立预测爆炸后10万年的气体扩散过程，无需占用主模拟系统的计算资源。这种"物理引擎+智能外挂"的架构，使研究者既能把握星系整体演化规律，又能精准捕捉超新星遗迹等微观现象。
通过与理化学研究所"富岳"超级计算机及东京大学"雅"计算系统的实测数据对比验证，新模型在保持单恒星分辨率的前提下，将100万年演化模拟时间压缩至2.78小时，完整呈现10亿年星系演化仅需115天。这种效率提升使得科学家首次具备在合理时间内完成全尺度银河系模拟的能力。
该技术的突破性不仅体现在天文学领域。研究团队指出，气象预报中的云微物理过程、海洋环流中的涡旋演化、气候模型中的区域能量交换等场景，都存在类似的多尺度耦合难题。这种将机器学习嵌入传统物理框架的混合建模方法，为解决计算科学中普遍存在的"精度-效率"矛盾提供了创新思路。
平岛圭也研究员表示："这项成果证明人工智能不仅能加速数值模拟，更能拓展科学发现的边界。通过追溯重元素在银河系中的传播路径，我们正在解开生命起源的物质之谜。"目前团队正将模型扩展至包含暗物质分布与星系碰撞等更复杂场景，相关数据已开放供全球科研机构使用。
