Distinguere con più precisione buchi neri e stelle di neutroni grazie all’intelligenza artificiale il nuovo metodo sviluppato da un gruppo di ricercatori dell’Università di Milano-Bicocca, guidati dall’astrofisico Davide Gerosa. Lo studio, pubblicato su Physical Review Letters, apre un nuovo capitolo nell’astronomia delle onde gravitazionali.
Superare un presupposto sbagliato
Finora, le analisi dei segnali cosmici si basavano su un principio tanto semplice quanto fragile: etichettare come “1” l’oggetto più massiccio e come “2” quello meno massiccio all’interno di un sistema binario. Ma questo approccio ha sempre introdotto ambiguità, soprattutto in casi con masse simili. La domanda posta dal team è stata chiara: ha ancora senso usare questa convenzione?
Intelligenza artificiale per leggere meglio il cosmo
La risposta è arrivata da una tecnica di intelligenza artificiale chiamata spectral clustering, capace di analizzare i dati senza etichette rigide. Il nuovo metodo consente di ottenere misure più precise dello spin dei buchi neri, cioè della loro velocità e direzione di rotazione, informazioni chiave per comprendere come nascono e come evolvono questi oggetti estremi.
Una svolta per l’astrofisica
«Questo lavoro mette in discussione un presupposto che è stato alla base di tutte le analisi delle onde gravitazionali negli ultimi decenni», spiega Gerosa. I risultati parlano chiaro: più precisione, meno ambiguità e una maggiore affidabilità nel distinguere i buchi neri dalle stelle di neutroni.
Impatti concreti e prospettive future
Il nuovo metodo potrà essere applicato subito alle analisi dei dati raccolti dagli osservatori LIGO e Virgo, ma sarà ancora più rilevante per i futuri rivelatori come LISA e l’Einstein Telescope. La ricerca sottolinea anche il ruolo crescente dell’intelligenza artificiale nella ricerca astrofisica, sempre più centrale per interpretare la complessità dell’universo.
Aiutaci a crescere: lasciaci un like :)