日本理化学研究所（RIKEN）科研团队近日在银河系模拟领域取得重大进展，通过融合人工智能技术与超级计算能力，成功构建出迄今最精细的银河系演化模型。该模型采用与真实银河系恒星数量相当的1000亿个粒子进行模拟，将星系演化研究的效率提升了两个数量级，为天体物理学研究开辟了全新路径。
传统星系模拟受限于计算能力，通常采用简化模型——每个粒子代表100颗恒星，总粒子数仅达十亿量级。这种处理方式虽能呈现星系长期演化趋势，却无法捕捉超新星爆发等短期关键事件对星际介质的具体影响。例如，超新星冲击波对周围气体分布的扰动、新元素注入星际环境等微观过程，在传统模型中均被模糊处理。
研究团队创新性地开发出"深度学习智能体模型"，通过输入高分辨率超新星观测数据，训练AI系统精准预测超新星遗迹在10万年时间尺度内的扩张轨迹及其与星际介质的相互作用。该模型成功解析了超新星爆发如何通过吹散气体云、注入重元素等方式，重塑星际介质的物理状态与化学组成，这些物质最终成为新一代恒星的诞生摇篮。
在技术实现层面，科研人员将AI预测模型与描述银河系整体运动的数值模拟框架深度耦合。这种混合计算模式既保留了传统数值模拟对大尺度星系结构的刻画能力，又融入了AI对微观物理过程的精确模拟。测试数据显示，新系统模拟百万年星系演化仅需2.78小时，模拟十亿年演化周期从传统方法的36年缩短至115天，效率提升达300倍以上。
该成果突破了星系模拟中"时间尺度"与"空间分辨率"难以兼顾的瓶颈。传统模型为获取长期演化数据，不得不牺牲对短期关键事件的捕捉能力；而新方法通过AI技术实现了微观物理过程与宏观星系演化的同步模拟。这种技术革新使天文学家首次具备在合理时间框架内，完整追踪从超新星爆发到新一代恒星形成的全链条物理过程的能力。
研究团队特别指出，新模型在超新星遗迹演化模拟中展现出独特优势。通过AI驱动的粒子级模拟，系统能够精确再现冲击波传播、气体压缩、元素混合等复杂物理现象，这些细节对于理解星系化学演化、恒星形成效率等核心问题具有关键意义。该成果已应用于银河系金属元素分布研究，初步发现超新星爆发频率与恒星形成活动存在显著时空关联。
