Simulação inédita reproduz Via Láctea com mais de 100 bilhões de estrelas usando IA e supercomputação

Uma equipe internacional liderada pelo Centro RIKEN de Ciências Teóricas e Matemáticas Interdisciplinares (iTHEMS) apresentou a primeira simulação da Via Láctea capaz de representar mais de 100 bilhões de estrelas individuais ao longo de dez mil anos. O resultado estabelece um recorde duplo: a resolução é 100 vezes superior à dos modelos de última geração e o tempo de processamento foi reduzido em proporção equivalente.

Objetivo e relevância do estudo

Recriar a nossa galáxia em ambiente virtual é um objetivo clássico da astrofísica computacional. O modelo detalhado permite comparar teorias de formação, estrutura e evolução estelar com dados de telescópios e sondas, aumentando a precisão de previsões sobre a dinâmica galáctica. Para atingir esse nível de detalhe, a nova pesquisa combinou inteligência artificial (IA) e simulações numéricas, formulando uma abordagem híbrida que supera limitações de desempenho observadas há décadas.

Quem liderou a pesquisa

O trabalho foi conduzido por Keiya Hirashima, pesquisador do iTHEMS no Japão, em cooperação com especialistas da Universidade de Tóquio e da Universidade de Barcelona, na Espanha. A apresentação dos resultados ocorreu durante a conferência internacional de supercomputação SC 25, fórum dedicado a avanços em computação de alto desempenho e simulações científicas.

Desafios históricos na modelagem da Via Láctea

Modelos anteriores eram restringidos por duas variáveis principais: capacidade computacional e diversidade de escalas físicas. Para representar toda a galáxia, os códigos precisavam lidar simultaneamente com a gravitação global, a dinâmica de fluidos interestelares, a explosão de supernovas e a síntese de elementos, cada processo ocorrendo em escalas espaciais e temporais díspares.

Em termos práticos, as melhores simulações disponíveis antes do novo estudo conseguiam lidar com uma massa total de aproximadamente um bilhão de sóis. Nesse cenário, a menor entidade simulada correspondia a um aglomerado de estrelas com massa equivalente a 100 sóis, o que impedia qualquer análise que dependesse de eventos em escala estelar individual.

Além do limite de resolução, o custo temporal era outro obstáculo. Cálculos indicavam que seriam necessárias 315 horas de processamento para cada um milhão de anos de tempo simulado. Assim, um projeto que abarcasse um bilhão de anos de evolução galáctica exigiria mais de 36 anos de tempo de máquina, inviabilizando pesquisas exploratórias ou múltiplas rodadas de testes.

Estratégia híbrida de IA e física

Para superar esses gargalos, os pesquisadores desenvolveram um modelo substituto de aprendizado profundo. Esse componente de IA foi treinado em simulações de alta resolução focadas em uma supernova específica e aprendeu a prever, sem intervenção adicional, como o gás circundante se expande nos 100 mil anos que sucedem uma explosão.

Uma vez validado, o modelo passou a atuar como um “atalho” dentro da simulação de larga escala. Sempre que o código principal encontrava um evento de supernova, delegava a evolução do gás ao algoritmo de IA, economizando recursos computacionais e tempo. O restante da dinâmica galáctica – como as interações gravitacionais de centenas de bilhões de estrelas – continuou a ser calculado por métodos numéricos tradicionais.

Ganhos de desempenho

Com essa abordagem, a equipe atingiu dois marcos:

• Resolução: a simulação representa 100 vezes mais estrelas individuais do que os modelos de referência anteriores, ultrapassando o patamar de 100 bilhões de unidades.

• Velocidade: um milhão de anos de evolução galáctica passou a ser processado em cerca de três horas, contra as 315 horas projetadas por técnicas clássicas. Em escala maior, isso significa que um bilhão de anos pode ser reproduzido em aproximadamente 115 dias de computação contínua, versus o período de 36 anos anteriormente necessário.

Validação em supercomputadores

Para verificar a robustez dos resultados, os pesquisadores compararam saídas do modelo híbrido com simulações convencionais executadas em duas plataformas de elite: o supercomputador Fugaku, do RIKEN, e o Sistema de Supercomputadores Miyabi, da Universidade de Tóquio. A análise indicou concordância nos parâmetros avaliados, confirmando que o ganho de velocidade não comprometeu a fidelidade física do cenário.

Detalhes do período simulado

O recorte inicial divulgado cobre dez mil anos de evolução da Via Láctea, janela suficiente para analisar a propagação de ondas de choque de supernovas e interações gravitacionais de múltiplas regiões estelares. Embora curto em comparação à idade estimada da galáxia, o período foi escolhido para demonstrar a eficiência da nova técnica. Com o mesmo método, é possível estender o horizonte temporal para milhões ou bilhões de anos, respeitando a escala de tempo discutida (três horas por milhão de anos).

Implicações científicas

A precisão recém-alcançada abre caminho para investigações que exigem resolução estelar, como:

• Formação de elementos pesados: ao acompanhar exatamente onde e quando cada supernova ocorre, os pesquisadores podem rastrear a dispersão de elementos que, no futuro, integrarão novos sistemas planetários.

• Estrutura em pequena escala: a modelagem individual permite analisar aglomerados, associações abertas e regiões de nascimento de estrelas, comparando dados virtuais a observações telescópicas em comprimento de onda óptico, infravermelho ou rádio.

Potencial de aplicação em outras áreas

Embora o foco inicial esteja na astrofísica, a metodologia se presta, por definição, a fenômenos multiescala. Processos como mudanças climáticas, padrões meteorológicos e dinâmica oceânica enfrentam desafios análogos: uma ampla gama de escalas espaciais e temporais que elevam o custo de simulação. A substituição parcial de rotinas numéricas por modelos de IA especializados pode reduzir barreiras e acelerar descobertas nesses campos.

Perspectivas para a supercomputação científica

A integração entre aprendizado profundo e computação de alto desempenho sinaliza uma evolução na forma como as pesquisas complexas são conduzidas. De acordo com Keiya Hirashima, a fusão das duas abordagens representa uma mudança fundamental na resolução de problemas multiescala e multifísicos. Ao provar que a IA pode ir além do reconhecimento de padrões e se tornar instrumento ativo de simulação, o estudo inaugura novas linhas de investigação para supercomputadores de próxima geração.

Próximos passos divulgados pela equipe

Entre as metas futuras, os pesquisadores mencionam a extensão do mesmo esquema de substituição de física por IA para outras fases evolutivas de estrelas, como ventos estelares ou fusões de anãs brancas. Pretende-se também testar a escalabilidade do método em galáxias com configurações distintas, a fim de validar o desempenho em ambientes mais densos ou com taxas de formação estelar diferentes.

Com a demonstração de que 100 bilhões de estrelas podem ser simuladas em detalhes e em ritmo acelerado, o estudo redefine o patamar de complexidade acessível à astrofísica computacional, ao mesmo tempo em que oferece um modelo de inovação para várias áreas da ciência que dependem de simulações multiescala.