La Vía Láctea contiene más de 100 mil millones de estrellas, cada una de las cuales sigue su propio camino evolutivo a través del nacimiento, la vida y, a veces, la muerte violenta. Durante décadas, los astrofísicos han soñado con crear una simulación completa de nuestra galaxia, un gemelo digital que pudiera poner a prueba las teorías sobre la formación y evolución de las galaxias. Ese sueño siempre se ha topado con un muro computacional imposible.
Hasta ahora. Los investigadores dirigidos por Keiya Hirashima en el Centro de Ciencias Teóricas y Matemáticas Interdisciplinarias de RIKEN han logrado lo que parecía fuera de su alcance, una simulación que representa cada una de esas 100 mil millones de estrellas a lo largo de 10.000 años de tiempo galáctico.
El avance se produjo gracias a una combinación inesperada de inteligencia artificial y simulaciones de física tradicional, presentada en la Conferencia de Supercomputación de este año. El problema no fue sólo de escala, aunque las cifras son asombrosas.
Las simulaciones de galaxias de última generación anteriores podían manejar aproximadamente mil millones de masas solares, lo que significa que su “partícula” más pequeña representaba un cúmulo de alrededor de 100 estrellas. Los eventos estelares individuales se promediaron, perdiéndose en el ruido. Capturar lo que les sucede a las estrellas individuales requiere realizar pequeños pasos de tiempo a través de la simulación, lo suficientemente cortos como para captar cambios rápidos como las explosiones de supernovas.
Pero los pasos de tiempo más pequeños exigen una potencia de cálculo exponencialmente mayor. Utilizar métodos convencionales para simular la Vía Láctea con la resolución de estrellas individuales requeriría 315 horas de tiempo de supercomputación por cada millón de años de evolución galáctica.
Modelar incluso mil millones de años consumiría 36 años de tiempo real. Añadir más núcleos de procesador tampoco soluciona el problema, ya que a partir de cierto punto la eficiencia cae en picado mientras que el consumo energético se dispara. El equipo de Hirashima encontró su solución en un modelo sustituto de aprendizaje profundo.
Entrenaron una IA en simulaciones de alta resolución de supernovas, enseñándole a predecir cómo se expande el gas durante los 100.000 años posteriores a una explosión. Este atajo de IA maneja la física rápida a pequeña escala sin afectar el resto del modelo, lo que permite que la simulación rastree simultáneamente la dinámica de toda la galaxia y las catástrofes estelares individuales.
Las mejoras de rendimiento son notables. Lo que antes tomaba 36 años ahora requiere solo 115 días.
El equipo verificó sus resultados con pruebas a gran escala en la supercomputadora Fugaku de RIKEN y el sistema Miyabi de la Universidad de Tokio, confirmando que la simulación mejorada con IA produce resultados precisos a una escala sin precedentes. Este enfoque podría transformar la forma en que modelamos cualquier sistema que involucre escalas de espacio y tiempo muy diferentes. La ciencia del clima, la predicción del tiempo y la dinámica de los océanos enfrentan desafíos similares y necesitan vincular procesos que van desde la escala molecular a la planetaria.
Fuente: Science Alert.
