Emplean el aprendizaje automático para deducir el movimiento de los agujeros negros partir de las ondas gravitacionales

11/11/2021 de Lawrence Livermore National Laboratory (LLNL) / Physical Review Research

Ilustración de dos agujeros negros aproximándose uno a otro al empezar un proceso de fusión, durante el cual emiten potentes ondas gravitacionales al espacio. Crédito: LIGO/T. Pyle.

Fenómenos cataclísmicos como la colisión de agujeros negros o estrellas de neutrones produce las mayores ondas gravitacionales. LOs agujeros negros binarios giran uno alrededor del otro durante miles de millones de años, antes de acabar chocando para formar un solo agujero negro masivo. Durante los momentos finales, mientras se fusionan, parte de su masa se convierte en una cantidad enorme de energía, que puede ser detectada en forma de ondas gravitacionales, según la famosa ecuación de Einstein e=mc².

Para comprender el movimiento de los agujeros negros binarios, tradicionalmente los investigadores han simplificado las ecuaciones de campo de Einstein y las han resuelto para calcular las ondas gravitacionales emitidas. Este método es complejo y requiere la realización de simulaciones muy largas en supercomputadoras, o el uso de técnicas de aproximaciones que pueden conducir a errores o fallar cuando son aplicadas a sistemas de agujeros negros más complicados.

Ahora, un equipo de investigadores ha desarrollado un método inverso para abordar el problema, una técnica basada en el aprendizaje automático (machine learning) capaz de deducir automáticamente un modelo matemático del movimiento de los agujeros negros a partir de los datos de las ondas gravitacionales directamente, que además solo necesita el poder de computación de un ordenador portátil.

[Fuente]