Inteligencia artificial acelera el estudio de fuerzas nucleares y estrellas de neutrones        

Por: Los Alamos National Laboratory.

12 de marzo de 2026

Nebulosa del Cangrejo a través de una imagen compuesta por datos del telescopio Chandra, Hubble y Spitzer. Crédito de la imagen: NASA.

        Un equipo de investigación utiliza explosiones astrofísicas para comprender las misteriosas fuerzas que actúan en algunos de los componentes más pequeños de la naturaleza: los núcleos atómicos. En una nueva investigación publicada en Nature Communications, el equipo utiliza aprendizaje automático e inteligencia artificial para descifrar los datos de las observaciones astrofísicas y comprender mejor cómo interactúan los neutrones y los protones en la materia densa a nivel cuántico.

        “Esta investigación representa la primera vez en este campo que hemos podido conectar de forma robusta los ámbitos macroscópico y microscópico e inferir las interacciones entre neutrones y protones directamente a partir de datos astrofísicos. Mediante inteligencia artificial y aprendizaje automático, nuestro marco permitió extraer datos de fenómenos astrofísicos extraordinarios e inferir la compleja física de las fuerzas nucleares”, afirmó Ingo Tews, físico de Los Álamos.

        Los investigadores, un equipo que incluye científicos de la Universidad Técnica de Darmstadt (Alemania), utilizaron datos de la detección de ondas gravitacionales en 2017 de la fusión de dos estrellas de neutrones provenientes del LIGO, así como datos de un telescopio que estudia las estrellas de neutrones y sus emisiones de rayos X. Su trabajo utiliza el aprendizaje automático para habilitar restricciones clave en los acoplamientos nucleares que describen la intensidad de las fuerzas nucleares.

        Tomar muchos modelos de neutrones en interacción y aplicarlos a estrellas de neutrones increíblemente densas sería computacionalmente inviable; las soluciones para un solo modelo podrían ejecutarse durante horas en miles de núcleos de CPU. En busca de un método más rápido y accesible, el equipo de investigación desarrolló un marco de IA que pudiera conectar la interacción nuclear con las propiedades de las estrellas de neutrones casi instantáneamente.

Un algoritmo de aprendizaje automático que utilizó el equipo se basa en la comprensión de la física cuántica subyacente para obtener una solución rápida para las propiedades de la materia densa. El segundo algoritmo, una red neuronal entrenada con grandes cantidades de datos, conecta la materia densa con las propiedades de las estrellas de neutrones. Con la esperanza de predecir propiedades de las estrellas de neutrones, como el tamaño y las deformaciones por marea, los algoritmos actúan como sustitutos para cálculos más complejos y de alta fidelidad.

Las interacciones entre neutrones son impulsadas por la fuerza fuerte, una de las cuatro fuerzas fundamentales del Universo (junto con el electromagnetismo, la fuerza débil y la gravedad). La fuerza fuerte une quarks y gluones a nucleones, como neutrones y protones, y a estos últimos en un núcleo. Construir una descripción cuántica robusta de esta poderosa fuerza es un desafío pendiente en física.

Las estrellas de neutrones se encuentran entre los objetos más densos del Universo, tan densos que pueden tener aproximadamente el doble de masa que el Sol a pesar de tener un diámetro de tan solo 24 kilómetros. La materia a tales densidades exhibe propiedades similares a las de la materia en el centro de los núcleos atómicos y debe describirse modelando las interacciones entre nucleones a nivel cuántico; es decir, las interacciones entre los neutrones densos determinan las propiedades de toda la estrella de neutrones.

Al relacionar las propiedades de las estrellas de neutrones con las propiedades cuánticas de los neutrones, el equipo está desarrollando un método para dilucidar las propiedades de la fuerza nuclear fuerte en las mayores densidades exploradas en todo el cosmos. Esto también podría ayudar a los científicos a establecer límites a formas exóticas de materia, como las transiciones de fase a quarks y gluones.

Fuente:

https://www.lanl.gov/media/news/0218-neutron-star-data