Simulação inovadora mapeia todas as estrelas da Via Láctea pela primeira vez.

A Via Láctea alberga mais de 100 mil milhões de estrelas, e cada uma percorre o seu próprio trajecto evolutivo - do nascimento à vida e, por vezes, a uma morte violenta.

Durante décadas, astrofísicos têm ambicionado construir uma simulação completa da nossa galáxia, um verdadeiro gémeo digital capaz de pôr à prova teorias sobre a formação e a evolução das galáxias. Esse objectivo, porém, esbarrava sempre num obstáculo computacional aparentemente intransponível.

Até agora.

Simulação da Via Láctea: 100 mil milhões de estrelas ao longo de 10.000 anos

Uma equipa liderada por Keiya Hirashima, no Center for Interdisciplinary Theoretical and Mathematical Sciences do RIKEN, alcançou o que parecia fora do alcance: uma simulação que representa cada uma dessas 100 mil milhões de estrelas ao longo de 10.000 anos de tempo galáctico.

O avanço resultou de uma combinação inesperada entre inteligência artificial e simulações físicas tradicionais, apresentada na Supercomputing Conference deste ano. O entrave não era apenas uma questão de dimensão - ainda que os números sejam impressionantes.

As simulações de galáxias mais avançadas até aqui conseguiam trabalhar, grosso modo, com cerca de mil milhões de massas solares, o que significa que a menor “partícula” do modelo correspondia a um aglomerado de aproximadamente 100 estrelas.

Como consequência, acontecimentos estelares individuais acabavam diluídos, “alizados” pelo cálculo e perdidos no ruído. Para descrever o que sucede a estrelas singulares, é necessário avançar em passos de tempo muito pequenos - suficientemente curtos para captar mudanças rápidas, como explosões de supernovas.

Só que reduzir o passo temporal exige exponencialmente mais capacidade de computação. Com métodos convencionais, simular a Via Láctea com resolução ao nível de estrelas individuais implicaria 315 horas de supercomputador por cada milhão de anos de evolução galáctica.

Modelar sequer mil milhões de anos consumiria 36 anos de tempo real.

E aumentar o número de núcleos de processamento também não resolve: a partir de um certo ponto, a eficiência cai a pique enquanto o consumo energético dispara.

IA como atalho físico: um modelo substituto de aprendizagem profunda

A solução encontrada pela equipa de Hirashima passou por um modelo substituto de aprendizagem profunda.

Os investigadores treinaram uma IA com simulações de supernovas de alta resolução, ensinando-a a prever de que forma o gás se expande durante os 100.000 anos que se seguem a uma explosão.

Este “atalho” baseado em IA trata a física rápida e de pequena escala sem arrastar todo o restante modelo, permitindo que a simulação acompanhe, ao mesmo tempo, a dinâmica em escala galáctica e as catástrofes estelares individuais.

Os ganhos de desempenho são notáveis: o que antes exigiria 36 anos passa agora a precisar de apenas 115 dias.

A equipa confirmou os resultados com testes de grande escala no supercomputador Fugaku, do RIKEN, e no sistema Miyabi, da Universidade de Tóquio, verificando que a simulação reforçada por IA produz resultados correctos numa escala sem precedentes.

Esta abordagem pode alterar profundamente a forma como modelamos quaisquer sistemas que envolvam escalas muito diferentes de espaço e de tempo.

A ciência do clima, a previsão meteorológica e a dinâmica dos oceanos enfrentam desafios semelhantes, já que precisam de ligar processos que vão da escala molecular à planetária.

Este artigo foi publicado originalmente pela Universe Today. Leia o artigo original.