As supernovas, estrelas em explosão, desempenham um papel crucial na formação e evolução das galáxias. No entanto, aspectos essenciais desses fenômenos são notoriamente difíceis de serem simulados com precisão em períodos de tempo relativamente curtos. Pela primeira vez, uma equipe de pesquisadores, incluindo membros da Universidade de Tóquio, aplicou o deep learning ao problema da simulação de supernovas. Essa abordagem pode acelerar a simulação de supernovas e, consequentemente, da formação e evolução das galáxias. Essas simulações incluem a evolução da química que deu origem à vida.
Quando se fala em deep learning, muitas pessoas podem pensar nas mais recentes aplicações que surgiram esta semana para fazer algo inteligente com imagens ou gerar textos que parecem ter sido escritos por humanos. O deep learning pode ser responsável por alguns aspectos nos bastidores de tais aplicações, mas ele também é usado extensivamente em diferentes campos de pesquisa. Recentemente, uma equipe em um evento de tecnologia, conhecido como hackathon, aplicou deep learning à previsão do tempo. Os resultados foram bastante eficazes, o que fez o doutorando Keiya Hirashima, do Departamento de Astronomia da Universidade de Tóquio, começar a pensar.
“O clima é um fenômeno muito complexo, mas no final das contas se resume a cálculos de dinâmica dos fluidos”, disse Hirashima. “Então, eu me perguntei se poderíamos modificar os modelos de deep learning usados para previsão do tempo e aplicá-los a outro sistema fluido, mas que existe em uma escala muito maior e à qual não temos acesso direto: meu campo de pesquisa, as explosões de supernovas.”
As supernovas ocorrem quando estrelas de massa suficientemente grande queimam a maior parte de seu combustível e colapsam em enormes explosões. Elas são tão grandes que podem, e de fato influenciam, grandes áreas dentro de suas galáxias hospedeiras. Se uma supernova tivesse ocorrido há alguns séculos a algumas centenas de anos-luz da Terra, talvez você não estivesse lendo este artigo agora. Portanto, quanto melhor compreendemos as supernovas, melhor podemos entender por que as galáxias são como são.
“O problema é o tempo que leva para calcular a maneira como as supernovas explodem. Atualmente, muitos modelos de galáxias ao longo de longos períodos de tempo simplificam as coisas, fingindo que as supernovas explodem de maneira perfeitamente esférica, pois isso é relativamente fácil de calcular”, disse Hirashima. “No entanto, na realidade, elas são bastante assimétricas. Algumas regiões da camada de material que forma a fronteira da explosão são mais complexas do que outras. Aplicamos o deep learning para ajudar a determinar quais partes da explosão requerem mais ou menos atenção durante uma simulação para garantir a melhor precisão, ao mesmo tempo em que se leva o menor tempo possível. Essa maneira de dividir um problema é chamada de divisão hamiltoniana. Nosso novo modelo, o 3D-MIM, pode reduzir o número de etapas computacionais no cálculo de 100.000 anos de evolução de uma supernova em 99%. Então, eu acho que realmente ajudaremos a reduzir um gargalo também.”
Claro, o deep learning requer um treinamento extenso. Hirashima e sua equipe tiveram que executar centenas de simulações, totalizando milhões de horas de tempo de computador (os supercomputadores são altamente paralelos, então esse tempo seria dividido entre os milhares de elementos de computação necessários). Mas os resultados provaram que valeu a pena. Agora, eles esperam aplicar sua metodologia a outras áreas da astrofísica; por exemplo, a evolução galáctica também é influenciada por grandes regiões de formação estelar. O 3D-MIM modela a morte das estrelas, e talvez em breve seja usado para modelar o nascimento delas também. Ele pode até mesmo encontrar aplicações além da astrofísica em outros campos que requerem altas resoluções espaciais e temporais, como simulações climáticas e de terremotos.
Fonte:
