In een baanbrekende studie hebben onderzoekers voor het eerst de Melkweg met meer dan 100 miljard sterren gesimuleerd over een periode van tienduizend jaar. Dit is het meest nauwkeurige model tot nu toe van onze galaktische thuis. Deze prestatie werd bewerkstelligd door kunstmatige intelligentie (AI) te combineren met numerieke simulaties. De nieuwe simulatie vertegenwoordigt niet alleen 100 keer meer sterren dan eerdere modellen, maar werd ook meer dan 100 keer sneller geproduceerd.
De leiding van dit project was in handen van Keiya Hirashima van het RIKEN Centrum voor Theoretische en Interdisciplinaire Wiskunde (iTHEMS) in Japan, in samenwerking met collega’s van de Universiteit van Tokio en de Universiteit van Barcelona. Het onderzoek is gepresenteerd op de internationale supercomputingconferentie SC ’25. Naast astrofysica kan deze methodologie ook worden toegepast op andere fenomenen, zoals klimaatverandering en weerspatronen.
De Betekenis van Deze Ontwikkeling
“Ik geloof dat de integratie van AI met high-performance computing een fundamentele verschuiving vertegenwoordigt in de manier waarop we multiscale en multifysische problemen in de computatiewetenschappen aanpakken,” zegt Hirashima. “Deze doorbraak toont ook aan dat AI-versnelde simulaties verder kunnen gaan dan patroonherkenning en kunnen uitgroeien tot een echte ontdekkingsinstrument – wat ons helpt te traceren hoe de elementen die het leven zelf hebben gevormd, in onze melkweg zijn ontstaan.”
De Uitdaging van de Melkweg
Het simuleren van de Melkweg is een gedeeld doel van astrofysici om theorieën over galactische vorming, sterrenstructuur en evolutie te testen aan de hand van echte observaties. Het is een complex proces dat vereist dat gegevens over zwaartekracht, vloeistofdynamica, supernova-explosies en elementensynthese worden verzameld – processen die zich op zeer verschillende ruimte- en tijdschalen voordoen.
De meest geavanceerde simulaties hebben momenteel een bovenlimiet van massa van ongeveer één miljard zons, terwijl de Melkweg meer dan 100 miljard sterren heeft. Dit betekent dat de kleinste “deeltjes” in het model eigenlijk een cluster van sterren zijn met een massa gelijk aan 100 zonnen. Alleen grootschalige gebeurtenissen kunnen met precisie worden gesimuleerd.
De Oplossing
Om dit probleem te overwinnen, ontwikkelde het team een nieuwe aanpak die een vervangend model van diep leren combineert met fysieke simulaties. Het model werd getraind met hoge-resolutie simulaties van een supernova en leerde te voorspellen hoe het omringende gas zich uitbreidt in de 100.000 jaar na een supernova-explosie, zonder andere hulpbronnen te gebruiken.
Deze AI-snelweg stelde de simulatie in staat om zowel de algemene dynamiek van de melkweg als kleinere gebeurtenissen, zoals supernova-explosies, gelijktijdig te modelleren. Om de prestaties van de simulatie te verifiëren, vergeleken de onderzoekers de resultaten met grootschalige tests op de supercomputer Fugaku van RIKEN en het Miyabi Supercomputing-systeem van de Universiteit van Tokio.
Deze methode maakt niet alleen de resolutie van individuele sterren in grote sterrenstelsels met meer dan 100 miljard sterren mogelijk, maar simuleerde ook een miljoen jaar in slechts drie uur. Dit betekent dat een miljard jaar in slechts 115 dagen kan worden gesimuleerd, in plaats van 36 jaar.
Bovendien kan deze aanpak andere multiscale simulaties transformeren – zoals die in meteorologie en oceaanografie – waarbij simulaties processen van zowel kleine als grote schaal met elkaar moeten verbinden.
