Novo algoritmo de inteligência artificial analisa colisões de estrelas de nêutrons 3.600 vezes mais rápido

Artist’s impression of two merging neutron stars and the gravitational waves they produce. Credit: MPI-IS / A. Posada

doi.org/10.1038/s41586-025-08593-z
Credibilidade: 989
#Estrelas de Nêutrons 

Um novo método baseado em inteligência artificial pode transformar a astronomia

As colisões entre estrelas de nêutrons, que são restos densos de estrelas, são eventos raros e muito importantes para os astrônomos. Essas colisões criam ondas gravitacionais (como ondulações no espaço) e explosões de luz, permitindo estudar como a matéria e a gravidade se comportam em condições extremas. Mas, para isso, é preciso analisar os dados muito rápido, ou os sinais mais importantes podem ser perdidos.

Pesquisadores de várias partes do mundo criaram uma técnica nova que usa inteligência artificial para analisar as ondas gravitacionais dessas colisões quase em tempo real, até mesmo antes que o evento termine. Essa técnica, chamada DINGO-BNS, funciona como uma rede neural (um tipo de programa que imita o cérebro humano) e consegue entender os dados em cerca de um segundo. Para comparação, os métodos mais rápidos de hoje demoram quase uma hora. Os resultados foram publicados na revista Nature.

Por que isso é importante?

Quando duas estrelas de nêutrons colidem, elas produzem luz visível (em uma explosão chamada kilonova) e outros tipos de sinais eletromagnéticos, além das ondas gravitacionais. Analisar essas ondas rapidamente ajuda a descobrir onde no céu o evento está acontecendo, permitindo que os telescópios sejam apontados para o lugar certo o mais rápido possível.

“Analisar os dados de forma rápida e precisa é essencial para encontrar a origem do evento e observar todos os sinais que vêm junto”, explica Maximilian Dax, o principal autor do estudo, que é estudante de doutorado no Instituto Max Planck, na Alemanha.

Com essa nova técnica, astrônomos podem apontar seus telescópios para as estrelas de nêutrons em colisão assim que os grandes detectores, como os do projeto LIGO-Virgo-KAGRA, identificarem o evento. A técnica também é mais precisa: ela descobre a posição no céu 30% melhor que outros métodos e fornece informações detalhadas, como a massa, a rotação e o local das estrelas.

Como funciona o DINGO-BNS?

Analisar ondas gravitacionais de colisões de estrelas de nêutrons é muito difícil. Essas colisões acontecem a milhões de anos-luz da Terra, e os sinais que chegam até nós são complexos. Hoje, os detectores capturam minutos de dados por evento, mas no futuro podem coletar horas ou até dias de informações. Processar tudo isso com métodos tradicionais leva muito tempo e exige computadores poderosos.

O DINGO-BNS resolve esse problema usando inteligência artificial. Ele consegue “entender? os dados rapidamente e sem simplificações que sacrificam a precisão, como acontece com outros métodos. Isso permite que astrônomos observem não só as ondas gravitacionais, mas também a luz e outros sinais produzidos pela colisão, aproveitando melhor o tempo dos telescópios.

O que isso significa para o futuro?

Com o DINGO-BNS, os cientistas esperam observar sinais de colisões de estrelas de nêutrons antes e durante o momento exato do impacto. Isso pode revelar novos detalhes sobre como esses eventos acontecem e sobre as explosões de kilonova, que ainda são um mistério. “Nosso estudo mostra como combinar inteligência artificial com o conhecimento da física pode trazer grandes avanços”, diz Bernhard Schölkopf, um dos diretores do Instituto Max Planck.

Essa nova ferramenta pode se tornar um padrão para estudar colisões de estrelas de nêutrons, ajudando astrônomos a entender melhor o universo e seus eventos mais extremos.


Publicado em 12/04/2025 00h38


English version


Texto adaptado por IA (Grok) do original em inglês. Imagens de bibliotecas públicas de imagens ou créditos na legenda. Informações sobre DOI, autor e instituição encontram-se no corpo do artigo.


Estudo original:


Geoprocessamento
Sistemas para drones
HPC
Sistemas ERP e CRM
Sistemas mobile
IA