I ricercatori hanno compiuto un passo avanti nel campo dell’astrofisica creando la prima simulazione ad alta risoluzione della Via Lattea, che rappresenta accuratamente oltre 100 miliardi di stelle individuali in un periodo di 10.000 anni. Questa impresa è stata realizzata integrando l’intelligenza artificiale (AI) con simulazioni numeriche convenzionali, ottenendo un modello 100 volte più dettagliato e 100 volte più veloce rispetto ai precedenti approcci all’avanguardia.
Lo studio, pubblicato negli Atti della conferenza internazionale per il calcolo, la rete, l’archiviazione e l’analisi ad alte prestazioni, segna un progresso significativo nell’intersezione tra astrofisica, calcolo ad alte prestazioni e intelligenza artificiale. Al di là delle sue implicazioni per la comprensione dell’evoluzione galattica, questa nuova metodologia ha il potenziale per rivoluzionare la modellizzazione in altri campi complessi, come la scienza del clima e le previsioni meteorologiche.
La sfida di simulare la Via Lattea
Gli astrofisici hanno cercato a lungo di creare simulazioni realistiche della Via Lattea, fino al livello delle singole stelle. Tali modelli sono cruciali per testare le teorie sulla formazione galattica, sulla struttura e sull’evoluzione stellare rispetto alle osservazioni del mondo reale. Tuttavia, simulazioni accurate delle galassie sono notoriamente difficili a causa della vasta gamma di processi fisici coinvolti – gravità, fluidodinamica, esplosioni di supernova e sintesi di elementi – che operano su scale di spazio e tempo molto diverse.
Fino ad ora, gli scienziati non sono stati in grado di modellare grandi galassie come la Via Lattea mantenendo un’elevata risoluzione a livello stellare. Le simulazioni all’avanguardia esistenti sono limitate a un limite di massa superiore di circa un miliardo di soli, il che significa che la “particella” più piccola nel modello rappresenta un ammasso di 100 stelle. Questa media oscura il comportamento delle singole stelle, limitando l’accuratezza delle simulazioni.
Un collo di bottiglia chiave è il passo temporale richiesto per una modellazione accurata. I rapidi cambiamenti a livello stellare, come l’evoluzione della supernova, possono essere catturati solo se la simulazione procede con brevi incrementi.
Limiti computazionali e necessità di innovazione
Ridurre il passo temporale, tuttavia, richiede risorse computazionali esponenzialmente maggiori. Anche con la tecnologia attuale, simulare la Via Lattea fino alle singole stelle richiederebbe 315 ore per ogni milione di anni di simulazione. A questo ritmo, simulare anche un miliardo di anni di evoluzione galattica richiederebbe oltre 36 anni di tempo reale.
La semplice aggiunta di più core del supercomputer non è una soluzione praticabile. L’aumento del numero dei core non si traduce necessariamente in un’elaborazione più rapida a causa della diminuzione dei rendimenti in termini di efficienza, e il consumo di energia sarebbe insostenibile.
La svolta basata sull’intelligenza artificiale
Per superare queste limitazioni, Keiya Hirashima del Centro RIKEN per le scienze teoriche e matematiche interdisciplinari (iTHEMS) in Giappone, insieme ai colleghi dell’Università di Tokyo e dell’Universitat de Barcelona in Spagna, hanno sviluppato un nuovo approccio. Hanno combinato un modello surrogato di deep learning con simulazioni fisiche.
Il modello surrogato è stato addestrato su simulazioni ad alta risoluzione di supernovae e ha imparato a prevedere l’espansione del gas circostante nei 100.000 anni successivi a un’esplosione, senza richiedere ulteriori risorse computazionali dal resto del modello. Questa scorciatoia basata sull’intelligenza artificiale ha consentito alla simulazione di modellare simultaneamente la dinamica complessiva della galassia e fenomeni su scala ridotta come le supernovae.
Il team ha verificato le prestazioni della simulazione confrontando i suoi risultati con test su larga scala utilizzando il supercomputer Fugaku di RIKEN e il sistema di supercomputer Miyabi dell’Università di Tokyo.
Risultati e implicazioni più ampie
Il nuovo metodo non solo consente la risoluzione delle singole stelle in grandi galassie con oltre 100 miliardi di stelle, ma accelera anche notevolmente la velocità di simulazione. La simulazione di un milione di anni richiede ora solo 2,78 ore, il che significa che il miliardo di anni desiderato potrebbe essere modellato in soli 115 giorni, anziché in 36 anni.
Oltre all’astrofisica, questo approccio ha il potenziale per trasformare altre simulazioni multiscala in campi come il meteo, l’oceanografia e la scienza del clima, dove il collegamento di processi su piccola scala e su larga scala è cruciale.
“Credo che l’integrazione dell’intelligenza artificiale con il calcolo ad alte prestazioni segni un cambiamento fondamentale nel modo in cui affrontiamo problemi multiscala e multifisici nelle scienze computazionali”, afferma Hirashima.
Questa svolta dimostra il potere di combinare l’intelligenza artificiale e l’informatica tradizionale per superare limiti precedentemente insormontabili nella modellizzazione scientifica. Le implicazioni per la ricerca futura in più discipline sono significative
