AI cria a primeira simulação da Via Láctea com 100 bilhões de estrelas

O trabalho, apresentado na conferência internacional de supercomputação SC ’25, marca um grande avanço para a astrofísica, computação de alto desempenho e modelagem assistida por IA. A mesma estratégia também poderia ser aplicada a estudos do sistema terrestre em grande escala, incluindo pesquisas climáticas e meteorológicas.

Por que modelar cada estrela é tão difícil

Durante muitos anos, os astrofísicos procuraram construir simulações da Via Láctea suficientemente detalhadas para seguir cada estrela individual. Tais modelos permitiriam aos pesquisadores comparar teorias de evolução galáctica, estrutura e formação estelar diretamente com dados observacionais. No entanto, simular uma galáxia com precisão requer o cálculo da gravidade, do comportamento dos fluidos, da formação de elementos químicos e da atividade de supernovas em enormes intervalos de tempo e espaço, o que torna a tarefa extremamente exigente.

Os cientistas não conseguiram anteriormente modelar uma galáxia tão grande como a Via Láctea, mantendo ao mesmo tempo detalhes finos ao nível de estrelas individuais. As atuais simulações de ponta podem representar sistemas com a massa equivalente a cerca de mil milhões de sóis, muito abaixo dos mais de 100 mil milhões de estrelas que constituem a Via Láctea. Como resultado, a menor “partícula” nesses modelos geralmente representa um grupo de cerca de 100 estrelas, o que calcula a média do comportamento de estrelas individuais e limita a precisão de processos de pequena escala. O desafio está ligado ao intervalo entre as etapas computacionais: para capturar eventos rápidos como a evolução de supernovas, a simulação deve avançar em incrementos de tempo muito pequenos.

Reduzir o intervalo de tempo significa um esforço computacional dramaticamente maior. Mesmo com os melhores modelos atuais baseados na física, simular a Via Láctea estrela por estrela exigiria cerca de 315 horas para cada 1 milhão de anos de evolução galáctica. Nesse ritmo, gerar 1 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, pois o uso de energia se torna excessivo e a eficiência cai à medida que mais núcleos são adicionados.

Uma nova abordagem de aprendizagem profunda

Para superar essas barreiras, Hirashima e sua equipe desenvolveram um método que combina um modelo substituto de aprendizado profundo com simulações físicas padrão. O substituto foi treinado usando simulações de supernovas de alta resolução e aprendeu a prever como o gás se espalha durante os 100.000 anos após a explosão de uma supernova, sem exigir recursos adicionais da simulação principal. Este componente de IA permitiu aos pesquisadores capturar o comportamento geral da galáxia enquanto ainda modelavam eventos de pequena escala, incluindo os detalhes de supernovas individuais. A equipe validou a abordagem comparando seus resultados com execuções em larga escala no supercomputador Fugaku da RIKEN e no sistema de supercomputador Miyabi da Universidade de Tóquio.

O método oferece uma verdadeira resolução de estrelas individuais para galáxias com mais de 100 mil milhões de estrelas, e fá-lo com uma velocidade notável. A simulação de 1 milhão de anos demorou apenas 2,78 horas, o que significa que 1 bilhão de anos poderiam ser completados em aproximadamente 115 dias em vez de 36 anos.

Potencial mais amplo para modelagem climática, meteorológica e oceânica

Esta abordagem híbrida de IA poderia remodelar muitas áreas da ciência computacional que exigem a ligação da física em pequena escala com o 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 integração da IA ​​com a computação de alto desempenho marca uma mudança fundamental na forma como lidamos com problemas multiescalares e multifísicos nas ciências computacionais”, diz Hirashima. “Esta conquista também mostra que as simulações aceleradas por IA podem ir além do reconhecimento de padrões para se tornarem uma ferramenta genuína para a descoberta científica – ajudando-nos a rastrear como os elementos que formaram a própria vida surgiram na nossa galáxia.”