Cientistas da UC recorrem a machine learning e reduzem em sete vezes o tempo de cálculo das estrelas de neutrões

As estrelas de neutrões são um dos objetos mais densos do Universo. Podem ser vistas como núcleos gigantes muito ricos em neutrões, mas a sua verdadeira composição ainda é uma incógnita: será que no seu interior os quarks estão desconfinados? Será que na sua composição além de protões e neutrões também existem hiperões, partículas parecidas aos nucleões, mas contendo um quark estranho?

Explorando o potencial do método de regressão simbólica, uma ferramenta no âmbito de técnicas de machine learning, que fornece relações algébricas entre diferentes propriedades, uma equipa de cientistas do Departamento de Física da Faculdade de Ciências e Tecnologia da Universidade de Coimbra (FCTUC) obteve uma relação entre a massa máxima de uma estrela de neutrões e a sua equação de estado.

Esta relação, descrita na revista científica Physics Letters B, reduz os cálculos computacionais por um fator de sete, numa das etapas essenciais da procura de modelos compatíveis com as observações. O cálculo utiliza a inferência de Bayes, que pode ser muito demorada, uma vez que é necessário resolver as equações diferenciais que determinam a massa e o raio da estrela para vários milhões de modelos.

«Com os atuais dados experimentais e observacionais disponíveis e os dados que serão recolhidos nas próximas décadas, espera-se que a composição destes objetos seja finalmente desvendada», afirma Constança Providência, investigadora do Centro de Física da Universidade de Coimbra (CFisUC) e professora da FCTUC. «Extrair das observações astronómicas as propriedades da matéria que interage pela força forte, como a matéria nuclear, a altas densidades, é, no entanto, outro desafio», considera.

As utilizações de métodos estatísticos revelam-se essenciais para o sucesso deste problema. No entanto, de acordo com os especialistas, determinar o modo como a matéria sujeita a densidades e pressões extremamente elevadas se comporta dentro destes objetos - isto é, qual é a sua equação de estado, partindo do conhecimento da massa e raio das estrelas de neutrões, é um problema complicado que exige muitas horas de cálculo, pela quantidade de modelos que têm de ser testados.

«Num futuro próximo, esperamos que seja possível descodificar a equação de estado da matéria densa diretamente a partir do conhecimento preciso dos observáveis das estrelas de neutrões, utilizando estas técnicas computacionais avançadas, o que nos permitirá desvendar as propriedades da matéria bariónica a altas densidades. Assim, será possível saber a que densidades os quarks deixam de estar confinados aos nucleões e se a transição de fase para a matéria desconfinada é uma transição de primeira ordem», concluem os investigadores envolvidos.

O artigo científico “Inferring the equation of state from neutron star observables via machine learning” é uma colaboração conjunta entre os investigadores Tuhin Malik, Helena Pais e Constança Providência do CFisUC, juntamente com investigadores na China e na Índia, e pode ser consultado aqui.