Un gruppo di ricercatori ha recentemente svelato un metodo innovativo per rilevare le fonti di onde gravitazionali, che secondo loro potrebbe migliorare significativamente la precisione di queste rilevazioni e accelerare l'identificazione di questi misteriosi eventi cosmici. Il loro studio, pubblicato oggi nella rivista Nature, presenta un algoritmo che si concentra sulle emissioni di onde gravitazionali derivate dalle fusioni di stelle di neutroni. Una volta riconosciuti tali eventi, gli astronomi di tutto il mondo possono essere avvisati, permettendo agli esperti di raccogliere informazioni dettagliate su queste brevi e enigmatiche fonti di onde gravitazionali. Per mettere le cose in prospettiva, le onde gravitazionali sono increspature nella rete dello spaziotempo, teorizzate per la prima volta da Einstein oltre un secolo fa e rilevate per la prima volta nel 2015 da parte della attuale collaborazione LIGO-Virgo-KAGRA. Queste onde sono prodotte dalle interazioni tra alcuni degli oggetti più massicci dell'universo, vale a dire buchi neri e stelle di neutroni. L'algoritmo dei ricercatori mira specificamente a stelle di neutroni che si avvicinano ruotando l'una verso l'altra, attirandosi gradualmente fino a fondersi, un fenomeno noto come "fusione di stelle di neutroni". Rilevare le onde gravitazionali emesse durante queste fusioni aiuta gli astronomi a comprendere le strutture delle stelle di neutroni, le origini di certi elementi pesanti, testare la relatività generale, misurare il tasso di espansione dell'universo e, potenzialmente, svelare la natura della materia oscura. L'utilizzo dell'intelligenza artificiale può accelerare l'analisi di questi eventi di onde gravitazionali e, secondo i risultati del team, migliorare la precisione nella previsione della posizione della fusione. Affermano che il loro metodo può determinare l'origine delle onde gravitazionali in appena un secondo e può servire come modello per l'analisi dei dati per i rivelatori di onde gravitazionali di nuova generazione, come LISA. “Dopo l'addestramento, quando si verifica una nuova osservazione, la rete neurale può prendere la misura come input e prevedere le proprietà delle stelle di neutroni binarie (inclusa la loro localizzazione) in meno di un secondo”, ha spiegato Maximilian Dax, ricercatore di machine learning e fisico dell'Università di Tübingen, che è il primo autore dello studio, in un'email a Gizmodo.

“Questa risposta rapida è possibile perché non richiediamo nuove simulazioni di onde gravitazionali durante l'inferenza. ” Dax ha anche espresso la speranza che il loro metodo faciliterà una rilevazione anticipata dei segnali elettromagnetici provenienti dalle fusioni di stelle di neutroni binarie, consentendo osservazioni più vicine al momento della fusione. “Queste osservazioni multi-messaggero sono incredibilmente entusiasmanti e hanno rilevanza in vari campi, tra cui la cosmologia, la fisica nucleare e la gravità. ” L'algoritmo dei ricercatori vanta un miglioramento del 30% in termini di precisione rispetto ai modelli precedenti e può aiutare gli astronomi a identificare quali eventi di fusione richiedano ulteriori osservazioni, spesso urgenti. “Il machine learning ha recentemente attirato notevole attenzione nel campo della ricerca sulle onde gravitazionali come mezzo per migliorare o potenzialmente sostituire i metodi di analisi attuali, ” ha osservato Michael Williams, cosmologo dell'Università di Portsmouth nel Regno Unito, in un articolo di News & Views. “Tuttavia, persistono diverse sfide, ” ha aggiunto Williams, che non è coinvolto nella nuova ricerca. “L'efficacia degli algoritmi di machine learning dipende generalmente da come vengono addestrati. Una sfida particolare per questo algoritmo è che le caratteristiche del rumore reale nei rivelatori di onde gravitazionali cambiano nel tempo rispetto a quelle assunte durante l'addestramento della rete, il che può indurre errori sistematici che distorcono i risultati. ” Williams ha concluso affermando che la vera prova sarà se l'algoritmo del team sarà in grado di trasmettere efficacemente informazioni sulla prossima fusione di stelle di neutroni binarie quando avverrà.