Investigadores liderados por Keiya Hirashima do Centro Interdisciplinar RIKEN para Ciências Teóricas e Matemáticas (iTHEMS) no Japão, trabalhando com parceiros da Universidade de Tóquio e da Universidade de Barcelona em Espanha, criaram a primeira simulação da Via Láctea capaz de acompanhar a evolução de mais de 100 mil milhões de estrelas ao longo de 10.000 anos. A equipe alcançou esse marco combinando inteligência artificial (IA) com técnicas avançadas de simulação numérica. O seu modelo contém 100 vezes mais estrelas do que as simulações iniciais mais complexas e gera-as mais de 100 vezes mais rápido.
Este trabalho, apresentado na Conferência Internacional de Supercomputação SC ’25, marca um importante passo em frente para a astrofísica, computação de alto desempenho e modelagem assistida por inteligência artificial. A mesma estratégia pode ser aplicada a estudos do sistema terrestre em grande escala, incluindo estudos climáticos e meteorológicos.
Por que é tão difícil modelar cada estrela?
Durante anos, os astrofísicos têm trabalhado para construir simulações da Via Láctea suficientemente detalhadas para rastrear todas as estrelas. Esses modelos permitirão aos pesquisadores comparar diretamente as teorias da evolução, estrutura e formação estelar das galáxias com dados observacionais. No entanto, simular galáxias com precisão requer cálculos de gravidade, comportamento de fluidos, formação de elementos químicos e atividade de supernovas em vastas escalas de tempo e espaço, tornando a tarefa extremamente difícil.
Anteriormente, os cientistas não tinham conseguido modelar galáxias tão grandes como a Via Láctea, mantendo ao mesmo tempo detalhes finos ao nível de estrelas individuais. As atuais simulações de ponta podem representar sistemas com massa equivalente a cerca de mil milhões de sóis, muito menos do que os mais de 100 mil milhões de estrelas que constituem a Via Láctea. Portanto, as “partículas” mais pequenas nestes modelos representam normalmente um grupo de cerca de 100 estrelas, o que calcula a média do comportamento das estrelas individuais e limita a precisão dos processos de pequena escala. O desafio está relacionado aos intervalos entre as etapas computacionais: para capturar eventos rápidos, como a evolução de supernovas, as simulações devem ser realizadas em incrementos de tempo muito pequenos.
Reduzir o intervalo de tempo significa aumentar significativamente a quantidade de computação. Mesmo usando os melhores modelos atuais baseados na física, simular a evolução da Via Láctea por galáxia levaria aproximadamente 315 horas por milhão de anos. Nesse ritmo, gerar um bilhão de anos de atividade levaria mais de 36 anos de tempo real. A simples adição de mais núcleos de supercomputadores não é uma solução prática porque, à medida que mais núcleos são adicionados, o consumo de energia torna-se excessivo e a eficiência diminui.
Um novo método de aprendizagem profunda
Para superar esses obstáculos, Hirashima e sua equipe desenvolveram um método que combina modelos substitutos de aprendizagem profunda com simulações físicas padrão. O agente é treinado usando uma simulação de supernova de alta resolução e aprende a prever como o gás se espalhará 100 mil anos após a explosão da supernova, sem exigir recursos adicionais da simulação principal. Este componente de inteligência artificial permite aos investigadores capturar o comportamento geral das galáxias enquanto modelam eventos de pequena escala, incluindo os detalhes de supernovas individuais. A equipe validou o método comparando seus resultados com execuções em larga escala no supercomputador RIKEN Fugaku e nos sistemas de supercomputadores Miyabi da Universidade de Tóquio.
O método fornece uma verdadeira resolução de estrela única para galáxias com mais de 100 mil milhões de estrelas, e fá-lo a uma velocidade impressionante. Simular 1 milhão de anos leva apenas 2,78 horas, o que significa que 1 bilhão de anos pode ser completado em aproximadamente 115 dias em vez de 36 anos.
Maior potencial para modelagem climática, meteorológica e oceânica
Esta abordagem híbrida à inteligência artificial poderia remodelar muitas áreas da ciência computacional que exigem a ligação da física em pequena escala ao comportamento em grande escala. Campos como meteorologia, oceanografia e modelagem climática enfrentam desafios semelhantes e poderiam se beneficiar de ferramentas que aceleram simulações complexas e em múltiplas escalas.
“Acredito que a combinação de inteligência artificial e computação de alto desempenho marca uma mudança fundamental na forma como resolvemos problemas multiescalares e multifísicos na ciência computacional”, disse Hirashima. “Esta conquista também demonstra que as simulações aceleradas por IA podem ir além do reconhecimento de padrões e tornar-se uma verdadeira ferramenta para a descoberta científica – ajudando-nos a rastrear como os elementos que formaram a própria vida surgiram na nossa galáxia.”
