Una nueva forma de simular supernovas podría arrojar luz sobre los orígenes de nuestro universo. Las supernovas son estrellas en explosión que desempeñan un papel crucial en la formación y evolución de las galaxias. Sin embargo, modelar estos fenómenos con precisión y eficiencia ha sido un gran desafío. Un equipo que incluye investigadores de la Universidad de Tokio ha utilizado el aprendizaje profundo para mejorar las simulaciones de supernovas por primera vez. Este avance acelera las simulaciones que son fundamentales para comprender la formación y evolución de las galaxias y la evolución química que condujo a la vida.
Cuando escuchas aprendizaje profundo, probablemente piensas en las últimas aplicaciones que aparecen esta semana y que pueden procesar imágenes de manera inteligente o generar texto similar a un humano. El aprendizaje profundo puede ser responsable de parte del trabajo detrás de escena de estas cosas, pero también se utiliza en una amplia gama de campos de investigación diferentes. Recientemente, en un evento tecnológico llamado hackathon, un equipo aplicó el aprendizaje profundo al pronóstico del tiempo. Resultó bastante eficaz, lo que también despertó el pensamiento de Keiya Hakashima, estudiante de doctorado en el Departamento de Astronomía de la Universidad de Tokio.
La imagen de arriba muestra una amplia zona de la galaxia que se está simulando. La resolución temporal es muy baja, siendo cada "paso" de la simulación de aproximadamente 100.000 años. La siguiente imagen muestra un área específica afectada por la explosión de supernova, con una resolución temporal más alta, y cada paso dura menos de 10.000 años. Estas áreas, combinadas con simulaciones más generales, mejoran la precisión y eficiencia generales de la simulación. Fuente: 2023Hirashima et al., NASA/JPL-Caltech/ESO/R.Hunt/Hubble/L.CalçadaCC-BY-ND
"El clima es un fenómeno muy complejo, pero en última instancia se reduce a cálculos de dinámica de fluidos", dijo Hirashima. "Así que me preguntaba si podríamos modificar el modelo de aprendizaje profundo utilizado para el pronóstico del tiempo y aplicarlo a otro sistema de fluidos, pero que sea mucho mayor en escala y al que no tengamos acceso directo: mi área de investigación: las explosiones de supernovas".
Una supernova ocurre cuando una estrella de la masa adecuada quema la mayor parte de su combustible y colapsa en una gran explosión. Las supernovas son tan masivas que pueden afectar, y de hecho afectan, grandes áreas de la galaxia en la que residen. Si una supernova hubiera ocurrido hace cientos de años a unos pocos cientos de años luz de la Tierra, probablemente no estarías leyendo este artículo ahora. Entonces, cuanto más sepamos sobre las supernovas, mejor podremos entender por qué las galaxias se vuelven como son.
Se muestran (izquierda) predicciones del método de simulación actual durante una simulación de supernova. (Derecha) muestra los resultados de predicción de 3D-MIM, que parecen estar muy cerca de los métodos líderes actuales, pero con tiempos de ejecución mucho más cortos, ahorrando así tiempo, energía y costos de tiempo computacional. Fuente de la imagen: 2023Hirashimaetal.
"El problema es cuánto tiempo lleva calcular la forma en que explota una supernova. Actualmente, muchos modelos de galaxias a largo plazo simplifican la forma en que una supernova explota hasta una esfera perfecta porque es relativamente fácil de calcular", dijo Hirashima. "En realidad, sin embargo, son muy asimétricos. Algunas áreas de la capa de materia que forman los límites de una explosión son más complejas que otras. Aplicamos el aprendizaje profundo para ayudar a determinar qué partes de una explosión requieren más o menos atención durante las simulaciones para garantizar una precisión óptima "
Por supuesto, el aprendizaje profundo requiere una formación profunda. Hirashima y su equipo tuvieron que ejecutar cientos de simulaciones, consumiendo millones de horas de tiempo de computadora (las supercomputadoras son altamente paralelas, por lo que este período de tiempo se dividiría entre los miles de elementos computacionales necesarios). Pero sus resultados demostraron que valió la pena.
Ahora esperan aplicar su método a otras áreas de la astrofísica; por ejemplo, la evolución de las galaxias también se ve afectada por las grandes regiones de formación de estrellas. 3D-MIM simula el proceso de muerte de las estrellas y pronto podrá utilizarse para simular el proceso de nacimiento de las estrellas. Incluso podría encontrar uso fuera de la astrofísica en otros campos que requieren una alta resolución espacial y temporal, como las simulaciones climáticas y de terremotos.
Referencia Keiya Hirashima, Kana Moriwaki, Michiko S Fujii, Yutaka Hirai, Takayuki R Saitoh y Junichiro Makino, "Predicción tridimensional del espacio-tiempo de la expansión de la capa de supernova utilizando el aprendizaje profundo para simulaciones de galaxias de alta resolución", 18 de septiembre de 2023, Avisos mensuales de la Royal Astronomical Society (Avisos mensuales de la Royal Astronomical Society).
DOI:10.1093/mnras/stad2864
Fuente compilada: ScitechDaily