面向高分辨率星系模拟的基于深度学习的三维时空超新星壳层膨胀预测

超新星(SN)在星系形成与演化中起着重要作用。在使用大规模并行计算的高分辨率星系模拟中,超新星所需的短积分时间步长是严重的瓶颈。这是未来更高分辨率星系模拟亟需解决的问题。一种可能的解决方案是使用哈密顿分裂方法,该方法将需要短时间步长的区域与整个系统分开积分。为了将该方法应用于光滑粒子流体动力学模拟中受超新星影响的粒子,我们需要提前探测在后续全局步中这些受超新星影响粒子所处及其内部的壳层形状。本文我们开发了深度学习模型3D-MIM,用于预测超新星爆发后的壳层膨胀。该模型在粒子质量 $m_{\rm gas}=1$M$_\odot$ 的湍流云模拟上训练,能准确再现各向异性的壳层形状,其中密度因爆发下降了超过10%。我们还证明,该模型能正确预测均匀介质中的壳层半径,超出了非均匀湍流云的训练数据集范围。我们得出结论:我们的模型能够预测壳层及其内部区域,即受超新星影响粒子将会出现的区域。