Forscher um Keiya Hirashima vom RIKEN-Zentrum für interdisziplinäre theoretische und mathematische Wissenschaften (iTHEMS) in Japan haben die erste Simulation der Milchstraße erstellt, die mehr als 100 Milliarden einzelne Sterne über einen Zeitraum von 10.000 Jahren verfolgt. In Zusammenarbeit mit Wissenschaftlern der Universität Tokio und der Universität Barcelona in Spanien gelang es ihnen, künstliche Intelligenz (KI) mit fortschrittlichen numerischen Simulationsmethoden zu kombinieren. Die neue Methode erreicht eine Detailgenauigkeit, die 100-mal höher ist als bei früheren Spitzenmodellen, und beschleunigt die Simulation um mehr als das 100-fache. Die Ergebnisse wurden auf der internationalen Supercomputing-Konferenz SC '25 vorgestellt und markieren einen Meilenstein für die Astrophysik, Hochleistungsrechnen und KI-gestützte Modellierung. Die Strategie könnte auch auf andere große Systeme wie Klima- und Wettermodelle übertragen werden. Bislang war es für Astrophysiker extrem schwierig, die Milchstraße mit Einzelstern-Auflösung zu simulieren, da die Berechnung der Gravitation, Gasdynamik, Sternentstehung und Supernovae über riesige Zeiträume und räumliche Skalen erfordert. Frühere Modelle konnten nur Systeme mit etwa einer Milliarde Sonnenmassen darstellen – weit unter der tatsächlichen Masse der Milchstraße, die aus über 100 Milliarden Sternen besteht. In diesen Simulationen repräsentierte ein einzelner Teilchen oft etwa 100 Sterne, was die Dynamik einzelner Sterne und kleinskaliger Prozesse verschwommen machte. Zudem erfordert die Erfassung schneller Ereignisse wie Supernovae sehr kleine Zeitschritte, was die Rechenzeit exponentiell erhöht. Eine rein physikbasierte Simulation des gesamten Sternsystems hätte für eine Milliarde Jahre Entwicklung über 36 Jahre Dauer benötigt – selbst mit modernsten Supercomputern. Um diesen Engpass zu überwinden, entwickelten Hirashima und sein Team einen hybriden Ansatz: Ein tiefes Lernmodell (Deep Learning Surrogate) wurde mit hochaufgelösten Supernova-Simulationen trainiert und lernte, die Ausbreitung von Gas nach einer Explosion vorherzusagen – ohne dass die Hauptsimulation dafür zusätzliche Rechenressourcen benötigte. Dies ermöglichte es, sowohl globale galaktische Prozesse als auch feine Details einzelner Supernovae zu erfassen. Die Validierung erfolgte durch Vergleich mit Laufzeiten auf den Supercomputern Fugaku (RIKEN) und Miyabi (Universität Tokio). Die neue Methode simuliert eine Million Jahre in nur 2,78 Stunden – was die Berechnung einer Milliarde Jahre auf etwa 115 Tage reduziert. Der Ansatz hat weitreichende Implikationen für andere Bereiche der Wissenschaft. Meteorologie, Ozeanographie und Klimaforschung stehen vor ähnlichen Herausforderungen: die Verknüpfung kleinskaliger physikalischer Prozesse mit großräumigen Systemen. „Die Integration von KI mit Hochleistungsrechnen verändert fundamental, wie wir multi-skalare, multi-physische Probleme angehen“, sagt Hirashima. „Diese Arbeit zeigt, dass KI-akzelerierte Simulationen nicht nur Muster erkennen, sondern echte wissenschaftliche Entdeckungen ermöglichen – etwa wie die Elemente entstanden sind, die das Leben in unserer Galaxie ermöglichten.“ Industrielle Experten sehen in der Methode einen Paradigmenwechsel: Sie eröffnet neue Möglichkeiten für präzise, schnelle und skalierbare Simulationen in der Naturwissenschaft. Die Kombination aus physikalischer Genauigkeit und KI-Effizienz könnte zukünftig auch in der Materialforschung, der Medizin und der Energieforschung Anwendung finden.