日本理化学研究所跨学科理论与数学科学中心的Keiya Hirashima团队，与日本东京大学及西班牙巴塞罗那大学的研究人员合作，共同研发出首个银河系模拟系统。它能够追踪1000多亿颗恒星在1万年演化过程中的个体动态，其核心是将人工智能与先进数值模拟技术相结合。与此前最精细的模拟相比，该模型包含的恒星数量增加了100倍，生成速度也提升了100倍以上。

一款新型人工智能增强模拟工具，可以对银河系中的每一颗恒星进行建模。图片来源：Shutterstock

这项研究成果11月15日在国际超级计算大会SC’25上发布，标志着天体物理学、高性能计算及人工智能辅助建模领域的重大突破。同一技术策略还可应用于大规模地球系统研究，包括气候与天气研究。

多年来，天体物理学家一直致力于构建足够精细的银河系模拟模型，以追踪每一颗恒星的个体状态。这类模型能让研究人员直接将星系演化、结构及恒星形成理论与观测数据进行对比。然而，准确模拟星系需要计算跨越极大时空范围的引力、流体行为、化学元素形成及超新星活动，这项任务的难度极高。

此前，科学家无法在维持单颗恒星精细水平的同时，对银河系这样规模的星系进行建模。当前最先进的模拟仅能呈现相当于10亿个太阳质量的系统，远低于银河系1000多亿颗恒星的实际规模。

因此，这些模型中最小的“粒子”通常代表约100颗恒星的集合体，这会平均化单颗恒星的行为，限制了小规模过程的模拟准确性。核心挑战与计算步长相关——为捕捉超新星演化等快速事件，模拟必须以极小的时间增量推进。

缩短时间步长意味着计算量大幅增加。即便使用当前最先进的物理模型，逐星模拟银河系每100万年的演化仍需约315小时。按此速度，模拟10亿年的演化过程需要超过36年的实际时间。单纯增加超级计算机核心数量并非可行方案，因为核心数量增多会导致能耗过高且效率下降。

为突破这些限制，Hirashima团队设计了一种将深度学习替代模型与标准物理模拟相结合的方法。该模型经高分辨率超新星模拟数据训练而成，能够预测超新星爆发后10万年内气体的扩散过程，且无需主模拟系统额外分配计算资源。

这一人工智能组件使研究人员既能捕捉星系的整体动态，又能对小规模事件（包括单颗超新星的精细细节）进行建模。团队通过与理化学研究所“富岳”超级计算机及东京大学“雅”超级计算机的大规模模拟结果对比，验证了该方法的有效性。

新技术实现了对包含1000多亿颗恒星的星系进行真正意义上的单星分辨率模拟，且速度极快。模拟100万年的演化过程仅需2.78小时，这意味着模拟10亿年的演化可在约115天内完成，而非此前的36年。

这种混合人工智能方法可能重塑计算科学的多个领域，尤其适用于需要关联小规模物理过程与大规模动态的研究。气象学、海洋学及气候建模等领域面临类似挑战，有望借助这类工具加速复杂的多尺度模拟。

“我认为，将人工智能与高性能计算相结合，标志着我们解决计算科学领域多尺度、多物理问题的方式发生了根本性转变。”Hirashima表示，“这一成果也表明，人工智能加速模拟已超越模式识别范畴，成为科学发现的可靠工具，助力我们追溯构成生命本身的元素在银河系的起源过程。”

相关论文信息：https://doi.org/10.1145/3712285.3759866