超新星或爆炸恒星在星系的形成和演化中发挥着至关重要的作用。然而，众所周知，这些现象的关键方面很难在相当短的时间内准确模拟。
包括东京大学在内的一组研究人员首次将深度学习应用于超新星模拟问题。这项工作发表在《皇家天文学会月刊》杂志上。
他们的方法可以加快超新星的模拟，从而加快星系形成和演化的模拟。这些模拟包括导致生命的化学的演变。
深度学习广泛应用于研究中。最近，一个名为“黑客马拉松”的技术活动团队将深度学习应用于天气预报。事实证明，它非常有效，这引起了东京大学天文系博士生平岛惠也的思考。
“天气是一种非常复杂的现象，但最终归结为流体动力学计算，”平岛说。“所以，我想知道我们是否可以修改用于天气预报的深度学习模型，并将其应用到另一种流体系统中，但这种系统存在的规模要大得多，而且我们无法直接进入：我的研究领域，超新星爆炸。”
超新星发生在适当的时候的恒星燃烧掉大部分燃料并在巨大爆炸中崩溃时，超新星就会发生。它们是如此巨大，以至于它们能够并且确实影响其宿主星系内的大片区域。如果超新星发生在几百年前，距地球几百光年以内，您现在可能不会阅读这篇文章。因此，我们对超新星了解得越多，我们就越能理解为什么星系是这样的。
“问题在于计算超新星爆炸方式所需的时间。目前，许多长时间跨度的星系模型通过假装超新星以完美球形的方式爆炸来简化事情，因为这相对容易计算，”平岛说。
“然而，实际上，它们是相当不对称的。形成爆炸边界的材料壳的某些区域比其他区域更复杂。我们应用深度学习来帮助确定爆炸的哪些部分需要更多或更少的关注在模拟过程中确保最佳精度，同时总体上花费最少的时间。
“这种划分问题的方式称为哈密顿分裂。我们的新模型3D-MIM可以将计算10万年超新星演化的计算步骤数减少99%。所以，我认为我们真的会帮助减少也是一个瓶颈。”
当然，深度学习需要深度训练。Hirashima和他的团队必须花费数百万小时的计算机时间来运行数百次模拟(超级计算机是高度并行的，因此这个时间长度将被分配到所需的数千个计算元素中)。但他们的结果证明这是值得的。
他们现在希望将他们的方法应用于天体物理学的其他领域。例如，银河系演化也受到大型恒星形成区域的影响。3D-MIM可以模拟恒星的死亡，也许很快它也将被用来模拟恒星的诞生。它甚至可以在天体物理学之外的其他需要高空间和时间分辨率的领域中找到用途，例如气候和模拟。