Un modello di intelligenza artificiale svela come nascono gli elementi pesanti dalle fusioni di stelle di neutroni
Capire come l’universo produce gli elementi più pesanti che conosciamo è una delle sfide più affascinanti dell’astrofisica moderna. E adesso, grazie a un nuovo modello di intelligenza artificiale sviluppato da un team internazionale al centro di ricerca GSI/FAIR in Germania, simulare le reazioni nucleari che avvengono durante le fusioni di stelle di neutroni è diventato enormemente più veloce e accessibile. Lo studio, pubblicato sulla rivista Physical Review D nel luglio 2026, potrebbe cambiare il modo in cui gli scienziati collegano le osservazioni dello spazio profondo con gli esperimenti condotti nei laboratori terrestri.
Il punto è questo: molti degli elementi pesanti presenti in natura, dall’oro al platino fino all’uranio, vengono forgiati durante eventi cosmici di violenza inimmaginabile. Esplosioni di supernova e fusioni di stelle di neutroni generano l’energia necessaria per un processo chiamato cattura rapida di neutroni, noto anche come processo r. Durante questa fase, i nuclei atomici assorbono neutroni liberi a una velocità folle, alcuni dei quali si trasformano poi in protoni, permettendo ai nuclei di crescere fino a formare atomi sempre più pesanti. Simulare tutto questo, però, richiede una potenza di calcolo enorme. E qui entra in gioco il nuovo strumento.
Come funziona RHINE, il sistema basato sul deep learning
Il modello si chiama RHINE, acronimo che sta per “r-process heating implementation in hydrodynamic simulations with neural networks”. In pratica, utilizza una rete neurale di deep learning per stimare quanta energia viene rilasciata durante le reazioni nucleari del processo r, mentre le simulazioni idrodinamiche sono in corso. Questa energia, chiamata riscaldamento, influenza sia la velocità della materia espulsa durante le esplosioni stellari, sia la luce prodotta subito dopo. Nel caso delle fusioni di stelle di neutroni, quella luce si osserva come una kilonova.
Il trucco sta nell’addestramento: prima il modello viene allenato su un vasto archivio di calcoli di riferimento che includono reti complete di reazioni nucleari. Una volta pronto, riesce a stimare i tassi di riscaldamento con una precisione notevole, usando solo una frazione della potenza computazionale che servirebbe normalmente. Come ha spiegato il dottor Zewei Xiong, uno degli sviluppatori principali, i confronti dettagliati con i dati di riferimento hanno mostrato un grado di accordo altissimo, confermando che il risparmio di tempo di calcolo è davvero significativo.
Uno strumento aperto per il futuro della ricerca
La cosa interessante è che RHINE non resta chiuso in un laboratorio. Il codice sorgente è stato reso pubblicamente disponibile, così altri ricercatori possono utilizzarlo e migliorarlo. E le prospettive sono concrete: simulazioni più dettagliate delle fusioni di stelle di neutroni potrebbero presto essere messe a confronto con le osservazioni astronomiche reali e con gli esperimenti che verranno condotti nella futura struttura di ricerca FAIR. Il progetto ha ricevuto finanziamenti anche dal Consiglio Europeo della Ricerca, a conferma della rilevanza scientifica del lavoro svolto. Resta da vedere quanto velocemente la comunità scientifica adotterà questo approccio, ma le premesse fanno pensare che il modello di intelligenza artificiale applicato all’astrofisica nucleare abbia davvero trovato la sua strada.
