Predição de estados de buracos negros usando aprendizado profundo

Métodos tradicionais de estudar o comportamento de um disco de acreção ao redor de um buraco negro são compostos principalmente de simulações numéricas computacionalmente caras. Esse custo faz com que as simulações numéricas sejam restringidas por dimensionalidade ou limitações nas equações e, geralmente, leva muito tempo para simular. A física de buracos negros precisa urgentemente de uma nova ferramenta capaz de obter resultados mais rápidos. Queremos propor o uso do aprendizado profundo como uma possível nova ferramenta. O objetivo é desenvolver um método de aprendizado profundo capaz de fazer previsões de estados ao redor de buracos negros. Propomos um modelo que pode reproduzir os resultados de uma simulação com um erro abaixo d e<3% e ao mesmo tempo acelerar o processo de obtenção dos resultados por um fator de 1e4.5