O ouro da sua joia e o urânio nas usinas nucleares compartilham uma origem comum e catastrófica: eles nasceram durante colisões de estrelas de nêutrons no que chamamos de kilonovas. Até agora, os cientistas não conseguiam simular esses eventos com precisão suficiente para entender a formação desses elementos pesados. Uma nova abordagem acaba de remover esse obstáculo.
Para realizar essa simulação, é necessário acompanhar milhares de reações nucleares em condições extremas. Os métodos clássicos exigem uma capacidade computacional colossal, o que força a simplificação dos modelos. Muitas vezes, omitiam-se detalhes essenciais sobre a energia liberada durante o processo de captura rápida de nêutrons, chamado processo r.
Representação artística de uma fusão de estrelas de nêutrons
Crédito: Dana Berry, SkyWorks Digital, Inc. Para superar essas limitações, foi desenvolvido o RHINE, uma ferramenta de aprendizado de máquina criada por pesquisadores do GSI/FAIR e seus colaboradores. RHINE significa "r-process heating implementation in hydrodynamic simulations with neural networks". Esse modelo utiliza aprendizado profundo para prever a energia liberada pelas reações nucleares, sem necessidade de realizar cálculos nucleares completos. Assim, economiza um tempo computacional valioso.
A ideia central é elegante: primeiro, treina-se uma rede neural em um grande número de cálculos de referência. Uma vez treinada, a rede pode estimar instantaneamente as taxas de aquecimento durante uma simulação hidrodinâmica. Isso permite que os pesquisadores incluam o efeito da energia nuclear na dinâmica da explosão, algo que antes era muito custoso em termos computacionais.
A equipe validou o RHINE comparando suas previsões com dados de referência detalhados. A concordância foi notavelmente boa, confirmando que o aprendizado de máquina pode capturar a física envolvida. Essa validação indica que simulações futuras poderão incorporar de forma realista o aquecimento do processo r, melhorando os modelos de kilonovas e de outros sinais eletromagnéticos.
Graças ao RHINE, os pesquisadores agora podem realizar simulações mais detalhadas de fusões de estrelas de nêutrons em kilonovas, mas também em supernovas. Isso abre caminho para conexões entre modelos teóricos e observações. Compreender o aquecimento do processo r é essencial para interpretar as curvas de luz das kilonovas e a abundância de elementos pesados no Universo.
As fusões de estrelas de nêutrons
As estrelas de nêutrons são os vestígios ultra-densos de explosões de supernovas. Quando dois desses astros orbitam um em torno do outro, acabam colidindo em um cataclismo. Essa fusão libera uma energia gigantesca na forma de ondas gravitacionais, detectáveis na Terra, e ejeta matéria rica em nêutrons.
A matéria ejetada dá origem a uma kilonova, um flash luminoso transitório. É nessa matéria que o processo r opera, produzindo grande parte dos elementos pesados. A fusão de estrelas de nêutrons observada em 2017 (GW170817) confirmou esse cenário.
As simulações dessas fusões são exigentes, pois envolvem física nuclear, hidrodinâmica e gravitação. Modelos como o RHINE permitem integrar o aquecimento nuclear nas simulações, melhorando nossa compreensão das kilonovas e da síntese dos elementos. Esses trabalhos ajudam a interpretar as observações atuais e futuras.
Fonte: Physical Review D