使恒星发光 。深度学习对超新星难以模拟的超新方面进行更精确的建模 ，深度学习可以帮助计算机识别各种数据集的星爆模式 。这项新的炸和发展是由东京大学天文学家Keiya Hirashima领导的团队的工作 ，因此 ，宇宙但这个系统存在于更大的起源规模上
，核聚变就停止了 ，新的曙这需要数百万小时的深度学习计算机时间。核聚变将较轻元素的超新原子撞在一起
，我们无法直接进入——我的星爆研究领域 ，随着恒星内核的炸和坍缩 ，以提高他们对星系形成和演化的宇宙理解 。可能会揭示生命所需的起源化学元素是如何在宇宙中分散的 。
超新星如此强大
，新的曙但深度学习需要深度训练
，深度学习巨大的努力是值得的 ，他的灵感来自于首次将深度学习应用于一项名为黑客马拉松的活动 ，
“这种划分问题的方式被称为哈密顿分裂 ，
“天气是一个非常复杂的现象 ，“我们的新模型3D-MIM可以将计算10万年超新星演化的计算步骤减少99% 。它们是相当不对称的
。
研究人员说 ，并将其应用于另一个流体系统 ，超新星爆炸
。恒星的质量越大，质量差作为能量释放出来，”
超新星如何将几代恒星联系在一起
在它们的生命中 ，人类。了解超新星的行为是了解星系如何随时间变化的关键 。哪些需要更少的关注
。
该团队已经将3D-MIM应用于恒星生命的结束，目前，外层在一次称为超新星的大爆炸中向外抛出 。形成爆炸边界的物质外壳的某些区域比其他区域更复杂 。数百万或数十亿年来保护恒星免受自身重力向内挤压的向外压力也停止了 。从而更好地模拟恒星的诞生 。恒星通过核聚变在内核中锻造化学元素 ，”
深度学习的应用帮助科学家们确定了爆炸的哪些部分在模拟过程中需要更多的关注
，它所能锻造的元素就越重——但是所有的星体都有其极限 。因此 ，
当一颗恒星不再能够锻造后来更重的元素时 ，(图片来源:uux.cn/M. Weiss/NASA/CXC via Getty Images)
（神秘的地球uux.cn）据美国太空网（罗伯特·李） ：天文学家转向深度学习来模拟大质量恒星死亡时发生的宇宙爆炸，“所以 ，我想知道我们是否可以修改用于天气预报的深度学习模型 ，该团队现在希望用于创建3D-MIM的方法可以应用于影响星系演化的其他天体物理现象 。团队必须运行数百次模拟 ，”平岛补充道 。以至于它们对周围的星系也有巨大的影响，
这种物质最终会进入下一代恒星和围绕它们运行的行星 。为了训练系统
，结果 ，这意味着它们是除化学富集之外的星系进化方面的关键角色 。这确保了最佳精度
，
“问题是计算超新星爆炸的方式需要时间
。这包括称为星爆区的大型星系恒星形成区的诞生
。现在也可以将相同的模型应用于它们生命的开始
，这将恒星一生中制造的丰富元素扩散到了深空
。许多长时间跨度的星系模型通过假设超新星以完美的球形方式爆炸来简化事情，“然而，但最终 ，同时也减少了计算所需的总时间
。”平岛在一份声明中说
。”Hirashima说
。
艺术家对超新星爆炸的印象
。最终 ，因为这相对容易计算 ，”
这听起来可能很简单
，在现实中 ，产生较重的元素
，这种恒星物质被整合到那些世界上发生进化的任何生命形式中——例如 ，它归结为流体动力学计算，这意味着超新星对破译我们的起源故事至关重要
。我认为我们也将真正帮助减少瓶颈。
该团队的研究于上月在线发表在《皇家天文学会月报》杂志上 。
