Desmascarando o universo com IA: como o aprendizado de máquina desvenda os mistérios do buraco negro

É preciso mais do que uma fusão de galáxias para fazer um buraco negro crescer e formar novas estrelas: o machine learning mostra que o gás frio também é necessário para iniciar um crescimento rápido. 

Um novo estudo que utiliza aprendizagem automática revela que o crescimento de buracos negros supermassivos em galáxias necessita de gás frio, além de fusões, desafiando suposições anteriores e melhorando a nossa compreensão da evolução das galáxias. Crédito: SciTechDaily.com

Quando estão ativos, os buracos negros supermassivos desempenham um papel crucial na forma como as galáxias evoluem. Até agora, pensava-se que o crescimento era desencadeado pela colisão violenta de duas galáxias seguida da sua fusão, no entanto, uma nova investigação liderada pela Universidade de Bath sugere que as fusões de galáxias por si só não são suficientes para alimentar um buraco negro – um reservatório de gás frio a o centro da galáxia hospedeira também é necessário.

Acredita-se que o novo estudo, publicado esta semana na revista Monthly Notices of the Royal Astronomical Society, seja o primeiro a usar machine learning para classificar fusões de galáxias com o objetivo específico de explorar a relação entre fusões de galáxias, acreção de buracos negros supermassivos e formação de estrelas. Até agora, as fusões eram classificadas (muitas vezes incorretamente) apenas através da observação humana.

“Quando os humanos procuram fusões de galáxias, nem sempre sabem o que estão a ver e usam muita intuição para decidir se uma fusão aconteceu,” disse Mathilda Avirett-Mackenzie, estudante de doutoramento no Departamento de Física do Universidade de Bath e primeiro autor do artigo de pesquisa. O estudo foi uma colaboração entre parceiros do BiD4BEST (Big Data Applications for Black Hole Evolution Studies), cuja Innovative Training Network oferece treinamento de doutorado na formação de buracos negros supermassivos.

Ela acrescentou: “Ao treinar uma máquina para classificar fusões, você obtém uma leitura muito mais verdadeira do que as galáxias estão realmente fazendo”.

Buracos Negros Supermassivos

Buracos negros supermassivos são encontrados no centro de todas as galáxias massivas (para dar uma ideia de escala, a Via Láctea, com cerca de 200 bilhões de estrelas, é apenas uma galáxia de tamanho médio). Esses buracos negros superdimensionados normalmente pesam entre milhões e bilhões de vezes a massa do nosso Sol.

Durante a maior parte de suas vidas, esses buracos negros permanecem inativos, permanecendo quietos enquanto a matéria orbita ao seu redor e tendo pouco impacto na galáxia como um todo. Mas durante breves fases de suas vidas (breves apenas em escala astronômica e provavelmente durando de milhões a centenas de milhões de anos), eles usam forças gravitacionais para atrair grandes quantidades de gás em sua direção (um evento conhecido como acreção), resultando em um disco brilhante que pode ofuscar toda a galáxia.

São estas curtas fases de atividade que são mais importantes para a evolução das galáxias, uma vez que as enormes quantidades de energia libertadas através da acreção podem afetar a forma como as estrelas se formam nas galáxias. Por uma boa razão, estabelecer o que faz com que uma galáxia se mova entre os seus dois estados – quiescente e de formação estelar – é um dos maiores desafios da astrofísica.

“Determinar o papel dos buracos negros supermassivos na evolução das galáxias é crucial nos nossos estudos do Universo”, disse Avirett-Mackenzie.

Inspeção Humana vs Machine Learning

Durante décadas, modelos teóricos sugeriram que os buracos negros crescem quando as galáxias se fundem. No entanto, os astrofísicos que estudam a ligação entre as fusões de galáxias e o crescimento de buracos negros ao longo de muitos anos têm desafiado estes modelos com uma pergunta simples: Como identificamos de forma fiável as fusões de galáxias?

A inspeção visual tem sido o método mais comumente utilizado. Classificadores humanos – sejam especialistas ou membros do público – observam galáxias e identificam grandes assimetrias ou longas caudas de maré (regiões finas e alongadas de estrelas e gás interestelar que se estendem para o espaço), ambas associadas a fusões de galáxias.

No entanto, este método observacional é demorado e pouco confiável, pois é fácil para os humanos cometerem erros nas suas classificações. Como resultado, os estudos sobre fusões produzem frequentemente resultados contraditórios.

Para o novo estudo liderado por Bath, os investigadores colocaram-se o desafio de melhorar a forma como as fusões são classificadas, estudando a ligação entre o crescimento do buraco negro e a evolução das galáxias através do uso de inteligência artificial.

Inspirado no cérebro humano

Eles treinaram uma rede neural (um subconjunto de machine learning inspirado no cérebro humano e que imita a forma como os neurônios biológicos sinalizam entre si) em fusões simuladas de galáxias e, em seguida, aplicaram esse modelo às galáxias observadas no cosmos.

Ao fazer isso, eles foram capazes de identificar fusões sem preconceitos humanos e estudar a conexão entre fusões de galáxias e crescimento de buracos negros. Eles mostraram que a rede neural supera os classificadores humanos na identificação de fusões e, de fato, os classificadores humanos tendem a confundir galáxias regulares com fusões.

Aplicando esta nova metodologia, os investigadores conseguiram mostrar que as fusões não estão fortemente associadas ao crescimento dos buracos negros. Assinaturas de fusão são igualmente comuns em galáxias com e sem buracos negros supermassivos.

Usando uma amostra extremamente grande de aproximadamente 8.000 sistemas de buracos negros em acreção – o que permitiu à equipe estudar a questão com muito mais detalhes – descobriu-se que as fusões levaram ao crescimento de buracos negros apenas em um tipo muito específico de galáxias: galáxias de formação estelar. galáxias contendo quantidades significativas de gás frio.

Isto mostra que as fusões de galáxias por si só não são suficientes para alimentar buracos negros: grandes quantidades de gás frio também devem estar presentes para permitir que o buraco negro cresça.

Avirett-Mackenzie disse: “Para que as galáxias formem estrelas, elas devem conter nuvens de gás frio que sejam capazes de colapsar em estrelas. Processos altamente energéticos, como a acumulação de buracos negros supermassivos, aquecem este gás, tornando-o demasiado energético para entrar em colapso ou expelindo-o para fora da galáxia.”

Ela acrescentou: “Em uma noite clara, você pode observar esse processo acontecendo em tempo real com a Nebulosa de Órion – uma grande região de formação de estrelas em nossa galáxia e a mais próxima desse tipo da Terra – onde você pode ver alguns estrelas que se formaram recentemente e outras que ainda estão em formação.”

Carolin Villforth, professora sênior do Departamento de Física e supervisora da Sra. Avirett-Mackenzie em Bath, disse: “Até agora, todos estudavam fusões da mesma maneira – por meio de classificação visual. Com este método, ao usar classificadores especializados que podem detectar características mais sutis, só conseguimos observar algumas centenas de galáxias, não mais.

“Em vez disso, usar o machine learning abre um campo totalmente novo e muito interessante, onde você pode analisar milhares de galáxias ao mesmo tempo. Você obtém resultados consistentes em amostras realmente grandes e, a qualquer momento, pode observar muitas propriedades diferentes de um buraco negro.”

Fonte: Scitechdaily.com