(Créditos da imagem: Reprodução).

Pela primeira vez, um grupo de astrofísicos usou técnicas de inteligência artificial para gerar simulações 3D complexas do Universo. Os resultados são tão rápidos, precisos e robustos que até mesmo os criadores não sabem ao certo como tudo funciona.

“Podemos executar essas simulações em alguns milissegundos, enquanto outras simulações ‘rápidas’ levam alguns minutos”, disse Shirley Ho, coautora do estudo, líder do Centro de Astrofísica Computacional do Instituto Flatiron, em Nova York, e professora da Carnegie Mellon University. “Também fomos muito mais precisos”.

A velocidade e a precisão do projeto, chamado de Deep Density Displacement Model, ou D³M, não foram a maior surpresa para os pesquisadores. O verdadeiro choque foi que a D³M pode simular com precisão como o Universo ficaria se determinados parâmetros fossem ajustados — como quanto do Cosmo é matéria escura — mesmo que o modelo nunca tenha recebido nenhum dado de teste no qual esses parâmetros tenham variado.

Publicidade

“É como ensinar um software de reconhecimento de imagens com muitas fotos de gatos e cachorros, mas que reconhece elefantes”, explica Ho. “Ninguém sabe como isso acontece, e é um grande mistério a ser resolvido.”

Ho e seus colegas apresentaram o D³M na Academia Nacional de Ciências. O estudo foi conduzido por Siyu He, analista de pesquisa do Instituto Flatiron.

Publicidade

Ho e He trabalharam em colaboração com Yin Li, do Berkeley Center for Cosmological Physics, da Universidade da Califórnia, em Berkeley, e do Instituto Kavli de Física e Matemática do Universo, perto de Tóquio; Yu Feng, do Centro Berkeley de Física Cosmológica; Wei Chen, do Instituto Flatiron; Siamak Ravanbakhsh, da Universidade da Colúmbia Britânica, em Vancouver; e Barnabás Póczos, da Universidade Carnegie Mellon.

Simulações computacionais como as feitas pela D³M se tornaram essenciais para a astrofísica teórica, pois os cientistas querem saber como o Cosmos pode evoluir sob vários cenários. Tais estudos exigem a execução de milhares de simulações, o que tornou os modelos computacionais rápidos e precisos um dos principais utensílios da astrofísica moderna.

A D³M modela como a gravidade molda o Universo. Os pesquisadores optaram por se concentrar apenas na gravidade porque ela é a força mais importante quando se trata da evolução em grande escala do Cosmos.

As simulações mais precisas calcularam como a gravidade desloca cada um dos bilhões de partículas individuais ao longo de toda a idade do Universo. Esse nível de precisão requer tempo, cerca de 300 horas de computação para uma única simulação. Métodos mais rápidos podem terminar as mesmas simulações em cerca de dois minutos, mas com menor precisão.

Ho, He e seus colegas aprimoraram a rede neural artificial que impulsiona a D³M ao adicionar oito mil simulações diferentes de um dos modelos de maior precisão disponíveis. Redes neurais artificiais registram dados de treinamento e executam cálculos. Com o aprimoramento, as redes neurais artificiais se adaptam ao longo do tempo para produzir resultados mais rápidos e precisos.

Publicidade

Depois de treinar a D³M, os pesquisadores realizaram simulações de um Universo em forma de caixa com 600 milhões de anos-luz de comprimento e compararam os resultados aos dos modelos lentos e rápidos. Enquanto a abordagem lenta, mas precisa, levou centenas de horas de computação por simulação, e o método rápido existente levou alguns minutos, a D³M concluiu uma simulação em apenas 30 milissegundos.

A D³M também produziu resultados precisos. Quando comparado com o modelo de alta precisão, a D³M apresentou um erro relativo de 2,8%. Usando a mesma comparação, o modelo rápido existente apresentou um erro relativo de 9,3%.

Comparação da precisão de dois modelos de Universo. O novo modelo (à esquerda), apelidado de D³M, é mais rápido e preciso do que um método existente (à direita), chamado de 2LPT. As cores representam o erro médio de deslocamento em milhões de anos-luz para cada ponto na grade em relação a um modelo de alta precisão. (Créditos da imagem: S. He et al./Proceedings of the National Academy of Sciences 2019).

A notável capacidade da D³M de lidar com variações de parâmetros não encontradas em seus dados de treinamento a torna uma ferramenta especialmente útil e flexível, disse Ho. [Phys.org].

Compartilhe:
Giovane Almeida
Sou baiano, tenho 18 anos e sou fascinado pelo Cosmos. Atualmente trabalho com a divulgação científica na internet — principalmente no Ciencianautas, projeto em que eu mesmo fundei aos 15 anos de idade —, com ênfase na astronomia e biologia.

Deixe seu comentário!

Por favor, digite o seu comentário!
Por favor, digite seu nome aqui.