Нейросеть предсказывает танец нейтрино в звёздных взрывах ✛ ✎ ✦

Оригинал: "Machine Learning Detection of Non-Axisymmetric Fast Flavor Instabilities in Compact Objects"
arXiv:2607.12558 · 2026-07-14 · arXiv non-exclusive · собственный разбор · 1 мин
Алгоритм предсказывает внезапную смену «танцевального стиля» нейтрино по грубым сигналам.

В сверхновой или при столкновении нейтронных звёзд бурлит плазма — кипящий суп из ядер. Среди них нейтрино, призраки, предсказанные Паули и изученные Бете. В тесноте они резко синхронно меняют один из трёх «ароматов» — как танцоры, переключающие стиль. Эта коллективная смена ароматов определяет ход взрыва и рождение элементов в нуклеосинтезе.

Увидеть танец в симуляциях сложно: область перескока — с монету, в миллиарды раз меньше звезды. Физики обучили алгоритм на тысячах упрощённых примеров — как распределены нейтрино и куда летят. Программа угадывала момент по грубым приметам — общей плотности и потоку. Точность подскочила до 90%, когда ей дали данные обо всех трёх стилях: электронных, мюонных и тау-нейтрино. Сюрприз: без этих синхронных скачков не появились бы золото и платина. В водоворотах аккреционных дисков именно в такой миг куются драгоценные ядра.

Нейтрино от сверхновой 1987 года долетели до Земли на три часа раньше света — словно гонец, предупредивший о взрыве.

G(v) = \sqrt{2}G_F \int \frac{d^3 p}{(2\pi)^3} (f_{\nu_e} - f_{\bar{\nu}_e})
Распределение электронного лептонного числа
\alpha = I_0^{\bar{\nu}_e} / I_0^{\nu_e}
Относительная плотность антинейтрино
Учёные
Albert EinsteinHans BetheLise MeitnerMargaret BurbidgePaul DiracEmilio Gino Segrè
Понятия
нарушение лептонного аромата осцилляции ароматов нейтрино материалы на основе машинного обучения эвиденциальные нейронные сети мюонное нейтрино языковая модель белков моделирование физики с помощью нейронных сетей матрица ошибок активное обучение слабое обучение обработка естественного языка предсказание молекулярных свойств обнаружение астрофизических сигналов визуализация кристаллов с помощью нейронных сетей машинное обучение