🌟 Graças à IA, equipe simula os 100 bilhões de estrelas da nossa galáxia uma por uma

Reproduzir a Via Láctea estrela por estrela constituía uma dificuldade maior para os cientistas, devido às limitações de cálculo impostas pela natureza dos fenômenos astrofísicos.

Uma equipe de pesquisadores japoneses, liderada por Keiya Hirashima do centro RIKEN iTHEMS, em colaboração com a Universidade de Tóquio e a Universidade de Barcelona, realizou uma simulação galáctica inédita. Esta modelagem segue mais de 100 bilhões de estrelas individuais ao longo de 10.000 anos, associando a inteligência artificial a métodos numéricos de alto desempenho. Apresentada na conferência SC '25, esta realização supera os modelos anteriores em número de estrelas e velocidade de execução, oferecendo novas possibilidades para diversas áreas científicas.


Para contornar as limitações das simulações clássicas, os pesquisadores incorporaram um modelo alternativo baseado em aprendizado profundo. Este foi treinado com dados de alta resolução de explosões de supernovas, aprendendo a antecipar a dispersão do gás ao longo de 100.000 anos após o evento. Este método captura tanto os movimentos galácticos em grande escala quanto particularidades como as supernovas, sem precisar dos recursos consideráveis dos cálculos físicos detalhados. A exatidão foi verificada através de testes nos supercomputadores Fugaku e Miyabi, garantindo a solidez dos resultados.

A velocidade desta abordagem é notável: modelar um milhão de anos de evolução galáctica requer apenas 2,78 horas, contra décadas anteriormente. Assim, um bilhão de anos poderia ser reproduzido em cerca de 115 dias, um ganho de tempo significativo que permite investigações mais aprofundadas sobre a formação das galáxias e a origem dos elementos. Este desempenho baseia-se na capacidade da IA de estimar mecanismos elaborados sem comprometer a precisão.


Além da astrofísica, esta técnica apresenta interesse para outros setores que necessitam de simulações multiescala, como meteorologia, oceanografia e climatologia. Nestas disciplinas, é fundamental conectar processos locais e globais para aperfeiçoar as previsões. A associação da IA com a computação de alto desempenho modifica a resolução de questões científicas ao permitir uma modelagem mais rápida e precisa.

Keiya Hirashima indica que esta realização representa uma etapa importante na maneira de abordar questões multifísicas, onde a IA vai além da simples identificação de padrões para se tornar um instrumento de descoberta. Ela contribui para reconstituir como os elementos fundamentais da vida surgiram na galáxia.

Funcionamento dos modelos alternativos por IA

Os modelos alternativos em inteligência artificial servem como estimativas rápidas de processos físicos elaborados, evitando os cálculos pesados das simulações tradicionais. Para a simulação galáctica, um modelo de aprendizado profundo foi treinado com dados de supernovas, aprendendo a antecipar a expansão do gás por longos períodos sem recalcular cada fase.

Este aprendizado utiliza simulações de alta resolução para capturar as dinâmicas principais, permitindo que o modelo estenda estes conhecimentos para outras situações. Assim, ele reproduz fielmente as consequências das explosões estelares em um contexto galáctico mais amplo, sem exigir os recursos de um supercomputador especializado.

A formação destes modelos baseia-se em conjuntos de dados importantes, produzidos por simulações precisas que servem como referência. Para as supernovas, os cientistas utilizaram modelos físicos completos para criar sequências temporais da difusão gasosa, que a IA examinou para reconhecer padrões recorrentes.

Uma vez treinado, o modelo alternativo pode ser incorporado em simulações maiores, onde substitui os cálculos custosos por antecipações imediatas. Esta abordagem reduz fortemente a duração dos cálculos, mantendo uma precisão satisfatória graças a validações cruzadas com dados reais ou testes em supercomputadores.