Demonstração artística de estrelas de nêutrons binárias. (NASA/Goddard Space Flight Center)
Uma equipe internacional de cientistas desenvolveu um algoritmo de aprendizado de máquina chamado DINGO-BNS (Deep INference for Gravitational-wave Observations from Binary Neutron Stars), que tem a capacidade de caracterizar sistemas de fusão de estrelas de nêutrons em apenas um segundo, uma grande melhoria em relação aos métodos tradicionais que demoravam cerca de uma hora. O algoritmo foi projetado para analisar as ondas gravitacionais geradas por essas fusões, um fenômeno que ocorre a milhões de anos-luz da Terra, tornando a interpretação dos dados um desafio significativo.
O principal benefício dessa inovação é a análise em tempo real, essencial para localizar rapidamente a origem das ondas gravitacionais e direcionar telescópios para observar outros sinais associados à fusão, como luz visível e radiação eletromagnética. Isso aumenta o tempo disponível para observações e permite um uso mais eficiente do tempo valioso dos telescópios, que são recursos caros e limitados.
Além de ser mais rápido, o método DINGO-BNS é mais preciso, pois não faz as aproximações usadas nos algoritmos anteriores, melhorando a localização da fusão no céu em 30%. Essa precisão adicional é crucial para a realização de observações conjuntas entre detectores de ondas gravitacionais e telescópios, permitindo uma análise mais detalhada dos eventos de fusão e suas consequências, como a criação de uma kilonova.
O estudo também trouxe inovações técnicas, como um método de compressão de dados adaptativo ao evento, que aprimora ainda mais a eficiência da análise. A aplicação de aprendizado de máquina combinado com conhecimento físico pode, no futuro, possibilitar a observação de sinais eletromagnéticos antes e durante a colisão das estrelas de nêutrons, abrindo novas possibilidades para entender melhor esses eventos cósmicos ainda misteriosos.
Mais informações: https://doi.org/10.1038/s41586-025-08593-z