---
title: "Gold und Uran: Wie das KI-Modell RHINE das Geheimnis der Entstehung schwerer Elemente enthüllt"
description: "Wissenschaftler haben das neuronale Netz RHINE entwickelt, das erklärt, wie Gold und Uran im Universum entstehen. 🌌✨ Das KI-Modell analysiert Supernova-Explosionen und Sternkollisionen und spart Rechenressourcen, ohne an Genauigkeit zu verlieren. Der Code steht bereits allen Forschern zur Verfügung! 🧠🔭"
date: 2026-07-03T16:16:00.000Z
lang: de
url: https://xab.info/de/posts/neuronales-netz-rhine-entstehung-von-gold-und-uran-de
tags: []
publisher: "XAB.info"
---

# Gold und Uran: Wie das KI-Modell RHINE das Geheimnis der Entstehung schwerer Elemente enthüllt

![Goldener Staub, der die Entstehung schwerer Elemente wie Gold und Uran in kosmischen Prozessen symbolisiert, die von der neuronalen Netz RHINE untersucht wurden.](https://xab.info/media/2026/07/03/neiroset-rhine-rozhdenie-zolota-i-urana/neiroset-rhine-rozhdenie-zolota-i-urana-1.webp)

Woher kommt das Gold in Ringen und das Uran in Reaktoren? Die Antwort liegt in den mächtigsten Explosionen des Universums. Ein internationales Wissenschaftlerteam hat das bahnbrechende KI-Modell RHINE entwickelt, das erstmals die Prozesse der Entstehung schwerer chemischer Elemente mit hoher Präzision rekonstruiert.

Wie RBC-Ukraine unter Berufung auf eine Studie in der Zeitschrift *Physical Review* berichtet, ermöglicht die neue Entwicklung einen Blick ins Herz von Sternkatastrophen, ohne Supercomputer zu überlasten.

### Die Magie des r-Prozesses

Die Bildung von Elementen, die schwerer als Eisen sind, ist in gewöhnlichen Sternen unmöglich. Dafür sind extreme Bedingungen erforderlich, die bei Supernova-Explosionen oder Kollisionen von Neutronensternen entstehen. In diesem Moment setzt der sogenannte r-Prozess ein – der schnelle Einfang von Neutronen.

Der Mechanismus ähnelt einer Kettenreaktion: Atomkerne absorbieren blitzschnell freie Neutronen, die sich dann in Protonen verwandeln. Genau so entstehen schwere Elemente wie Gold, Platin und Uran.

Das Modellieren dieses Chaos war jedoch immer ein Albtraum für Physiker. Um den Prozess zu berechnen, muss das Verhalten von Tausenden von Isotopen gleichzeitig berücksichtigt werden. Bisher waren die Wissenschaftler gezwungen, theoretische Modelle stark zu vereinfachen, da die Rechenleistung für eine vollständige Berechnung einfach nicht ausreichte.

### Wie das Modell RHINE funktioniert

Das entwickelte Modell RHINE bietet eine elegante Lösung für dieses Problem, indem es Kernphysik und maschinelles Lernen kombiniert. Der Algorithmus funktioniert nach dem Prinzip des „Lernens aus Erfahrung“:

    - **Vortraining.** Das neuronale Netz wird auf einer riesigen Datenbank von Referenzberechnungen trainiert, die den vollständigen Satz möglicher Kernreaktionen enthält.

    - **Hydrodynamische Integration.** Im Gegensatz zu älteren Methoden sagt das Modell die Geschwindigkeit der Kernenergieabgabe für jeden Zustand direkt während des Starts der Simulationen voraus.

    - **Autonomie.** Die KI ermöglicht es, die komplexen Berechnungen der Nukleosynthese von der Modellierung der Materiebewegung zu trennen, was die Systeme zuvor überlastet hat.

Dank dieses Ansatzes reproduziert der Algorithmus die Prozesse der Wärmeabgabe mit hoher Genauigkeit. Dies ist von entscheidender Bedeutung, da die Wärmeabgabe die Ausbreitungsgeschwindigkeit der kosmischen Materie und die Eigenschaften der elektromagnetischen Signale beeinflusst, die Teleskope erfassen – die sogenannten Kilonovae.

### Überprüfung durch die Realität

Die Effektivität des neuen KI-Schemas haben die Wissenschaftler bestätigt, indem sie die Simulationsergebnisse mit realen astronomischen Beobachtungen verglichen. Als Referenz wurde der historische Fall vom 17. August 2017 gewählt.

An diesem Tag wurde in der linsenförmigen Galaxie NGC 4993 erstmals die Kollision zweier Neutronensterne mithilfe von Gravitationswellen registriert. Das Weltraumteleskop Hubble dokumentierte das allmähliche Ausbleichen der durch dieses Ereignis verursachten Kilonova-Explosion. Die von RHINE erhaltenen Daten stimmten perfekt mit der Realität überein.

Der Einsatz von maschinellem Lernen ermöglichte eine enorme Ersparnis an Rechenzeit ohne Verlust an Genauigkeit. Die Entwickler des Projekts haben den Quellcode des Programms bereits öffentlich zugänglich gemacht.

In Zukunft wird das Modell RHINE die Verbindung zwischen Laborexperimenten am neuen Beschleunigerkomplex FAIR und realen Beobachtungen von Sternexplosionen sein und der Menschheit helfen, den Ursprung der Materie endgültig zu entschlüsseln.