AI dan Masalah-Masalah Sulit Dunia · Astronomi & antariksa · arXiv · 2026-10-22
ML dalam Turbulensi Astrofisika I: Memprediksi Inti Prabintang di Awan Molekuler Termagnetisasi menggunakan eXtreme Gradient Boosting
Judul asli: ML in Astrophysical Turbulence I: Predicting Prestellar Cores in Magnetized Molecular Clouds using eXtreme Gradient Boosting
Di dalam awan molekuler raksasa, tempat turbulensi supersonik dan medan magnet membuat sulit untuk memprediksi parcel gas mana yang kolaps menjadi inti pembentuk bintang, para penulis memaparkan kerangka kerja XGBoost yang meramalkan lintasan 3D dan nasib kolaps gravitasi gas prabintang, yang dilatih pada sekitar 2.1 juta partikel tracer dari simulasi MHD turbulen dengan gravitasi mandiri. Model ini memprediksi evolusi spasial 3D selama 0.25 waktu jatuh bebas (sekitar 0.31 Myr) dengan R² > 0.99 dan memberi peringkat kerentanan inti dengan AUC 0.975, sementara analisis SHAP menunjukkan bahwa kepadatan lokal, energi kinetik, dan besaran medan magnet mendominasi, serta model ini menurunkan kembali ambang kolaps nonlinear yang tajam pada log₁₀ρ ≈ 0.8, di atas nilai tersebut medan magnet memperkuat prediksi kolaps. Studi ini juga menunjukkan bahwa model ML point-wise, meskipun kuat dalam adveksi kinematik, secara matematis tidak memiliki konteks spasial yang dibutuhkan untuk mengevaluasi operator diferensial lokal yang secara fisik menghentikan kolaps.