Algoritmo para Prever Órbitas de Planetas Pode Ser a Chave para uma Fonte de Energia Ilimitada

Um algoritmo de computador desenvolvido por um cientista do Laboratório de Física de Plasma de Princeton (PPPL) do Departamento de Energia dos EUA (DOE) pode prever com precisão a órbita dos planetas no sistema solar. Ele se baseia em inteligência artificial (IA) para desenvolver previsões com base em experiências anteriores.

Agora, os fundamentos desse algoritmo estão sendo adaptados em outros domínios, especificamente em relação à previsão e controle de plasma em instalações de fusão. Essas instalações podem colher energia de fusão, que impulsiona o sol e as estrelas, na Terra.

Hong Qin é um físico do PPPL e autor do artigo publicado em Scientific Reports.

“Normalmente, na física, você faz observações, cria uma teoria com base nessas observações e, em seguida, usa essa teoria para prever novas observações”, disse Qin. “O que estou fazendo é substituir esse processo por uma espécie de caixa preta que pode produzir previsões precisas sem usar uma teoria ou lei tradicional.”

O Programa de Computador

O programa de computador desenvolvido por Qin se baseia em dados alimentados por observações passadas sobre as órbitas da Terra, Marte, Mercúrio, Vênus, Júpiter e o planeta anão Ceres. Juntamente com um “algoritmo de serviço”, previsões precisas das órbitas de outros planetas podem ser feitas, tudo sem o uso das leis de movimento e gravitação de Newton.

“Essencialmente, eu contornei todos os ingredientes fundamentais da física. Eu vou diretamente de dados para dados”, disse Qin. “Não há lei de física no meio.”

Joshua Burby é um físico do Laboratório Nacional de Los Alamos do DOE. Ele recebeu um Ph.D. sob a orientação de Qin.

“Hong ensinou o programa ao princípio subjacente usado pela natureza para determinar a dinâmica de qualquer sistema físico”, disse Burby. “O resultado é que a rede aprende as leis de movimento planetário após testemunhar muito poucos exemplos de treinamento. Em outras palavras, o código de Hong realmente ‘aprende’ as leis da física.”

Experimentos de Fusão

Esses princípios e teorias agora estão sendo adaptados por Qi e Eric Palmerduca, que é um estudante de graduação no Programa de Física de Plasma da Universidade de Princeton. O casal está tentando usá-los para prever o comportamento de partículas de plasma em experimentos de fusão, que ocorrem em todo o mundo.

A fusão é a combinação de elementos leves na forma de plasma, e é a força por trás das estrelas e do sol. O plasma representa 99% do universo visível e tem o potencial de produzir quantidades massivas de energia. Se os cientistas puderem replicar a fusão na Terra, isso nos fornecerá uma fonte ilimitada de energia para eletricidade.

“Em um dispositivo de fusão magnética, a dinâmica dos plasmas é complexa e multi-escala, e as leis ou modelos computacionais eficazes para um processo físico específico que estamos interessados não estão sempre claras”, disse Qin. “Nessas situações, podemos aplicar a técnica de aprendizado de máquina que eu desenvolvi para criar uma teoria de campo discreto e, em seguida, aplicar essa teoria de campo discreto para entender e prever novas observações experimentais.”

Os cientistas também acreditam que essa nova técnica pode desenvolver uma teoria física tradicional.

Embora, em algum sentido, esse método preclua a necessidade de tal teoria, também pode ser visto como um caminho para uma”, disse Palmerduca. “Quando você está tentando deduzir uma teoria, você gostaria de ter tantos dados quanto possível à sua disposição. Se você for dado alguns dados, você pode usar o aprendizado de máquina para preencher lacunas nesses dados ou expandir o conjunto de dados de outra forma.”