Científicos han creado la primera simulación de las 100.000 millones de estrellas de la Vía Láctea, con IA que calcula la física galáctica 100 veces más rápido que métodos previos.
Una nueva simulación pionera asistida por IA de la Vía Láctea ofrece a los científicos la visión más detallada hasta ahora de cómo evoluciona nuestra galaxia. Al seguir más de 100.000 millones de estrellas individuales a lo largo de 10.000 años de evolución, el modelo ofrece un nivel de detalle extraordinario que los astrofísicos persiguen desde hace décadas.
Hasta ahora, las simulaciones más avanzadas agrupaban las estrellas en grandes conjuntos, diluyendo la física de pequeña escala que determina cómo crecen y cambian las galaxias.
El nuevo método lo cambia por completo. Al combinar aprendizaje profundocon modelos tradicionales basados en la física, el equipo pudo generar una simulación a escala galáctica 100 veces más rápida que las técnicas anteriores, utilizando además 100 veces más estrellas.
Por qué ha sido tan difícil simular nuestra galaxia
Para comprender cómo se formó la Vía Láctea y cómo sigue evolucionando, los científicos necesitan modelos que capten desde la vasta estructura espiral de la galaxia hasta el comportamiento de las estrellas individuales y las supernovas.
Pero los procesos físicos implicados, gravedad, dinámica de gases, enriquecimiento químico y muertes estelares explosivas, se desarrollan en escalas temporales muy distintas.
Captar eventos rápidos como las explosiones de supernova exige que la simulación avance en incrementos diminutos, un proceso tan exigente computacionalmente que modelar mil millones de años de historia galáctica podría llevar décadas.
El atajo de la IA
El proyecto es una colaboración liderada por el investigador Keiya Hirashima en el RIKEN Center for Interdisciplinary Theoretical and Mathematical Sciences (iTHEMS) de Japón, junto a colegas de la Universidad de Tokio y la Universidad de Barcelona. Fue presentado recientemente en SC'25, la Conferencia Internacional de Computación de Alto Rendimiento, Redes, Almacenamiento y Análisis.
El equipo de Hirashima solucionó este problema introduciendo un modelo sustituto de aprendizaje profundo. Entrenada con simulaciones de alta resolución del comportamiento de las supernovas, la IA aprendió a predecir cómo se dispersa el gas en los 100.000 años posteriores a una explosión.
La simulación principal pudo avanzar mucho más deprisa, manteniendo el detalle de los eventos individuales de supernova. El enfoque se validó con datos del superordenador Fugaku de Japón y del sistema Miyabi de la Universidad de Tokio.
El resultado es una simulación completa de la Vía Láctea que alcanza resolución a nivel de estrella individual y funciona con mucha más eficiencia. Un millón de años de evolución galáctica se completa ahora en solo 2,78 horas, lo que significa que mil millones de años podrían simularse en torno a 115 días en lugar de 36 años.
Una herramienta para el descubrimiento científico
Aunque el logro es un hito para la astrofísica, sus implicaciones van mucho más allá de la ciencia espacial. Según el estudio, "métodos similares a los nuestros podrían aplicarse a simulaciones de la formación de estructuras cósmicas a gran escala, la acreción de agujeros negros, así como a simulaciones de meteorología, clima y turbulencia".
Métodos híbridos de IA y física como este podrían acelerar de forma notable esos modelos, potencialmente haciéndolos más rápidos y precisos. Hirashima dijo: "creo que integrar la IA con la computación de alto rendimiento supone un cambio fundamental en la forma de abordar problemas multiescala y multifísicos en las ciencias computacionales".
Añadió: "Este logro también demuestra que las simulaciones aceleradas por IA pueden ir más allá del reconocimiento de patrones para convertirse en una auténtica herramienta de descubrimiento científico, ayudándonos a rastrear cómo surgieron en nuestra galaxia los elementos que dieron lugar a la vida".
El siguiente paso del equipo será escalar aún más la técnica y explorar sus aplicaciones a la modelización del sistema terrestre.