Et si l’or de votre alliance était né dans le chaos titanesque de deux étoiles mortes s’écrasant l’une contre l’autre ? Cette idée vertigineuse n’a rien d’une métaphore poétique : les éléments les plus lourds de l’Univers, comme l’or ou le platine, se forgent réellement lors de cataclysmes cosmiques d’une violence inouïe. Le problème, c’est que reproduire ces phénomènes sur ordinateur relevait jusqu’ici du parcours du combattant. Il fallait patienter des mois entiers, mobiliser des ressources informatiques colossales, pour obtenir une simulation crédible. Mais une équipe internationale vient de bousculer cette réalité en confiant les rênes du calcul à l’intelligence artificielle. Le résultat pourrait bien redéfinir la manière dont nous comprenons nos propres origines.

Quand forger de l’or numérique demandait la patience d’un titan

Pour saisir l’ampleur du bouleversement, il faut d’abord comprendre ce qui se joue dans les entrailles d’une fusion d’étoiles à neutrons. Lorsque deux de ces astres ultra-denses entrent en collision, ils déclenchent un mécanisme fascinant baptisé processus r, pour « processus rapide de capture de neutrons ». Dans ce ballet nucléaire effréné, des neutrons libres sont capturés par des noyaux existants, puis convertis en protons. C’est ainsi que naissent, en une fraction de seconde, des noyaux atomiques toujours plus gros et plus lourds, ceux-là mêmes qui comptent parmi les éléments les plus lourds de l’Univers.

Le hic, c’est que modéliser fidèlement ce processus exigeait de jongler avec un ensemble faramineux de réactions nucléaires. Les simulations dites hydrodynamiques, qui décrivent le comportement de la matière éjectée, croulaient sous cette complexité. Résultat : des mois de calculs intensifs et une facture énergétique décourageante. Autant dire que chaque avancée se payait au prix fort, et que les chercheurs devaient souvent sacrifier le niveau de détail pour espérer voir aboutir leurs travaux.

L’intelligence artificielle entre en scène et pulvérise l’horloge

C’est ici qu’intervient la trouvaille de l’équipe du GSI/FAIR. Ces chercheurs ont mis au point un modèle de simulation reposant sur l’apprentissage automatique. Pour la première fois, ils ont eu recours à l’apprentissage profond, à travers un réseau de neurones, afin de modéliser la libération d’énergie lors de la nucléosynthèse du processus r au sein des simulations hydrodynamiques. Une première mondiale qui change tout.

Baptisé RHINE (pour « r-process heating implementation in hydrodynamic simulations with neural networks »), ce nouveau modèle fonctionne selon un principe astucieux. On l’entraîne d’abord à l’aide d’un grand nombre de calculs de référence, produits avec un ensemble complet de réactions nucléaires. Une fois cette phase d’apprentissage bouclée, le réseau de neurones est intégré dans les simulations pour approximer les taux de chauffage du processus r avec un effort minimal. En clair, l’IA a appris à deviner le résultat sans refaire l’intégralité des calculs lourds. Les travaux ont été publiés au printemps dernier dans la revue Physical Review D.

Des collisions d’étoiles mortes aux trésors de la table périodique

Pourquoi ce chauffage compte-t-il autant ? Parce qu’il ne s’agit pas d’un détail technique anodin. La chaleur dégagée pendant le processus r influence directement la dynamique et la distribution des vitesses de la matière projetée dans l’espace. Or, ces paramètres déterminent à leur tour le rayonnement électromagnétique que l’on peut réellement observer depuis la Terre lors d’une fusion d’étoiles à neutrons, sous la forme d’un phénomène lumineux spectaculaire appelé kilonova.

Autrement dit, mieux simuler ce chauffage revient à mieux relier la théorie aux images captées par nos instruments. La simulation basée sur l’intelligence artificielle accélère ainsi la modélisation de la production des éléments lourds, permettant d’explorer avec une finesse inédite comment ces collisions cosmiques fabriquent une grande partie des atomes les plus massifs de l’Univers. Un pont concret entre le déluge de données observationnelles et notre compréhension des origines de la matière.

Ce que cette révolution algorithmique change pour l’avenir de l’astrophysique

Les perspectives ouvertes par RHINE dépassent largement le cadre d’une simple prouesse technique. En réduisant drastiquement les ressources informatiques nécessaires, le modèle pourrait permettre des simulations bien plus détaillées à l’avenir, sans exiger la patience d’un titan ni des supercalculateurs monopolisés pendant des saisons entières. Les chercheurs entrevoient déjà la possibilité de connecter ces modèles améliorés aux expériences de la future installation FAIR, et aux observations réelles d’explosions stellaires.

Fait notable, et suffisamment rare pour être salué : le code source de RHINE a été rendu public. D’autres équipes pourront donc s’en emparer et bâtir sur ces fondations, dans un bel esprit de science ouverte. Le projet a d’ailleurs bénéficié d’un cofinancement du Conseil européen de la recherche, preuve que l’Europe entend jouer un rôle de premier plan dans cette quête.

En apprenant à une machine à imiter le fracas des étoiles mortes, les scientifiques ne se contentent pas de gagner du temps : ils rapprochent un peu plus l’humanité de la réponse à une question aussi vieille que la contemplation du ciel. D’où viennent l’or de nos bijoux, le platine de nos catalyseurs, les métaux précieux qui nous entourent ? Si l’intelligence artificielle nous aide désormais à reconstituer ce récit cosmique en un temps record, jusqu’où pourra-t-elle nous emmener dans l’exploration de nos propres origines ?