Gli esperti hanno introdotto l’impiego di un algoritmo volto a rivoluzionare il metodo di studio delle fusioni di stelle di neutroni
Un team di ricerca internazionale ha messo a punto un particolare algoritmo di apprendimento automatico, noto come DINGO-BNS, che potrebbe potenzialmente rivelarsi molto utile al fine di interpretare le onde gravitazionali emesse dalla fusione di stelle di neutroni binarie in un tempo decisamente ridotto.
Ciò grazie ad una particolare rete neutrale che riesce ad individuare i sistemi di stelle in fusione nel giro di appena un secondo; molto più conveniente, se pensiamo che i metodi canonicamente impiegati attualmente a disposizione degli scienziati impiegano, in media, addirittura un’ora.
Si tratta di un’innovazione ampiamente esposta all’interno di un articolo dal titolo “Real-Time Interference for Binary Neutron Star Mergers Using Machine Learning“, pubblicato lo scorso 5 marzo sulla rivista Nature.
Il processo di fusione delle stelle di neutroni è in grado di emettere luce visibile, onde gravitazionali e radiazioni elettromagnetiche. A tal proposito, l’autore dello studio Maximilian Dax dell’Empirical Inference Department presso il Max Planck Institute for Intelligent Systems e l’ETH di Zurigo, ha espresso come analizzare in modo rapido, ma molto preciso, i dati derivanti dalle onde gravitazionali rappresenti un’opportunità di fondamentale importanza.
Ciò al fine di individuare in un tempo realmente coinciso quella che è la sorgente da cui i segnali partono, potendo puntare immediatamente i telescopi nella direzione di riferimento, così da poter catturare anche i relativi segnali di accompagnamento. Un’osservazione in tempo reale, dunque, potenzialmente in grado di stabilire uno standard del tutto nuovo per quanto concernono i dati relativi alla fusione di stelle di neutroni. Il capogruppo del Dipartimento di Relatività Astrofisica e Cosmologica presso il Max Planck Institute, Jonathan Gair, espone come gli attuali algoritmi che vengono utilizzati dall’LVK (LIGO-Virgo-KAGRA) sono in grado di procedere all’analisi in modo approssimato e poco accurato, mentre la nuova soluzione correntemente in studio potrebbe permettere di superare in modo definitivo tali ostacoli.
Ciò proprio grazie all’apprendimento automatico, il cui framework è in grado di individuare la fusione di stelle di neutroni in appena un secondo, in modo estremamente preciso, determinandone la posizione effettiva in cielo garantendo agli studiosi una precisione maggiore del 30% circa, riuscendo anche a fornire informazioni critiche fondamentali per osservazioni congiunte di rilevatori di onde gravitazionali, aiutando a cercare sia la luce, sia l’eventualità di altri segnali elettromagnetici che vengono prodotti direttamente dalla fusione.
Bernhard Schölkopf, direttore dell’Empirical Inference Department presso l’ELLIS Institute di Tubinga ha sottolineato come lo studio sia stato in grado di dimostrare quanto la combinazione di metodi moderni di apprendimento abbia dimostrato una particolare efficacia, con la conoscenza del dominio fisico. L’UKRI Future Leaders Fellow presso l’Università di Nottingham, Stephen Green, ha affermato che l’analisi delle onde gravitazionali ha sempre rappresentato un significativo impegno, che ha chiamato la comunità intera a dover sviluppare innovazioni tecniche non da poco, tra le quali un ulteriore metodo che riuscisse a garantire la compressione di dati e che fosse adattabile agli eventi.
DINGO-BNS potrebbe, dunque, consentire di osservare i segnali elettromagnetici sino al momento di collisione tra le stelle di neutroni; secondo quanto afferma la direttrice del Dipartimento di Astrofisica presso il Max Planck Institute, Alessandra Buonanno, le prime osservazioni multi-messaggero saranno in grado di offrire nuove possibilità d’intuizione, per quanto concerne il processo di fusione e della kilonova che si genera al termine dello stesso, sul quale persiste ancora mistero.