新型AI增强模型可对银河系中每一颗恒星进行建模。图片来源：Shutterstock

本报讯 通过将人工智能（AI）与先进的数值模拟技术结合在一起，科学家开发出第一个能够追踪1000亿颗银河系恒星在1万年中的演化过程的模型。与之前最复杂的模型相比，新模型的恒星数量增加了100倍，生成速度也快了100倍。

该成果11月15日在2025年全球超级计算大会（SC25）上发布，标志着天体物理学、高性能计算及AI辅助建模领域的重大突破。同样的技术也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系统，以追踪每一颗恒星。这类模型能够让研究人员直接比对星系演化、结构及恒星形成理论与观测数据。然而，准确模拟一个星系需要在巨大的时空范围内计算引力、流体行为、化学元素形成及超新星活动，技术难度极高。

此前，科学家还无法在保持单个恒星细节的同时，对银河系这样庞大的星系进行建模。目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多亿颗恒星的规模。

因此，这些模型中最小的“粒子”通常代表约100颗恒星，这导致单个恒星的行为平均化，限制了模拟小尺度过程的准确性。其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。

而缩短时间步长意味着计算量的大幅增加。即便用当前最先进的物理模型逐个模拟银河系每颗恒星的情况，完成100万年的演化过程也需要约315小时。照此速度，模拟10亿年的活动需要36年多。而简单增加超级计算机的数量亦不可行，因为这会带来能耗过高和效率下降的问题。

为了克服这些障碍，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，联合日本东京大学与西班牙巴塞罗那大学，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。该模型用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的10万年内气体如何扩散，且无需从主模拟系统中分配额外的资源。

这一AI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（包括单颗超新星的细节）进行建模。研究团队通过与日本理化学研究所“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进行对比，验证了该方法的有效性。

新技术为包含1000多亿颗恒星的星系提供了真正意义上的单个恒星分辨率，且速度惊人。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，而不是36年。

“我认为，将AI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，AI加速模拟已超越了模式识别范畴，成为科学发现的可靠工具，将助力我们追溯构成生命的元素在银河系中的起源过程。”（王方）

相关论文信息：

https://doi.org/10.1145/3712285.3759866