Une équipe internationale dirigée par Keiya Hirashima au RIKEN Center for Interdisciplinary Theoretical and Mathematical Sciences (iTHEMS) au Japon, en collaboration avec des chercheurs de l’Université de Tokyo et de l’Universitat de Barcelona en Espagne, a réalisé la première simulation de la Voie lactée capable de suivre plus de 100 milliards d’étoiles individuelles sur 10 000 ans d’évolution galactique. Ce progrès majeur repose sur une combinaison novatrice d’intelligence artificielle (IA) et de techniques de simulation numérique avancées. Ce modèle, 100 fois plus riche en étoiles que les simulations les plus performantes précédentes, a été généré plus de 100 fois plus vite. Présenté au congrès international de calcul haute performance SC '25, ce travail constitue une avancée décisive en astrophysique, en informatique à haut débit et en modélisation assistée par IA. La même approche pourrait également s’appliquer à des études à grande échelle du système terrestre, notamment en climatologie et en météorologie. Modéliser chaque étoile individuellement reste un défi colossal. Depuis des décennies, les astrophysiciens cherchent à créer des simulations suffisamment détaillées pour suivre chaque étoile, afin de comparer directement les théories de l’évolution galactique, de la formation des étoiles et de la structure galactique aux observations réelles. Toutefois, une telle simulation doit intégrer des phénomènes complexes : gravité, dynamique des fluides, nucléosynthèse, explosions de supernovae, sur des échelles temporelles et spatiales extrêmement vastes. Les simulations actuelles ne peuvent représenter que des systèmes équivalents à environ un milliard de masses solaires, bien en dessous du milliard de masses solaires que contient la Voie lactée. Dans ces modèles, chaque « particule » représente en général un groupe de 100 étoiles, ce qui moyenne les comportements individuels et limite la précision des processus à petite échelle. La nécessité de petits pas temporels pour capter des événements rapides comme les supernovae multiplie exponentiellement la charge computationnelle. À ce rythme, simuler une seule étoile sur un milliard d’années prendrait plus de 36 ans sur les supercalculateurs actuels. Pour surmonter ces limites, Hirashima et son équipe ont développé une méthode hybride combinant un modèle de surrogat basé sur l’apprentissage profond (deep learning) avec des simulations physiques classiques. Ce modèle d’IA a été entraîné sur des simulations haute résolution d’explosions de supernovae, lui permettant de prédire avec précision la propagation du gaz durant les 100 000 ans suivant une explosion, sans solliciter les ressources du simulateur principal. Cette IA permet ainsi de capturer les détails à petite échelle tout en maintenant une bonne représentation globale de la galaxie. Les résultats ont été validés par comparaison avec des simulations à grande échelle sur les supercalculateurs Fugaku (RIKEN) et Miyabi (Université de Tokyo). Grâce à cette méthode, il est désormais possible de simuler la Voie lactée avec une résolution étoile par étoile, en seulement 2,78 heures pour un million d’années — soit environ 115 jours pour un milliard d’années, contre plus de 36 ans auparavant. Cette approche hybride ouvre des perspectives prometteuses au-delà de l’astrophysique. Dans des domaines comme la météorologie, l’océanographie ou la modélisation climatique, où les phénomènes à petite échelle interagissent avec des dynamiques à grande échelle, cette méthode pourrait accélérer considérablement les simulations complexes. « L’intégration de l’IA au calcul haute performance marque un tournant fondamental dans la manière dont nous abordons les problèmes multi-échelles et multi-physiques », affirme Hirashima. « Cette réalisation montre que les simulations accélérées par IA peuvent aller au-delà de la reconnaissance de motifs pour devenir un véritable outil de découverte scientifique — permettant de suivre l’origine des éléments qui ont permis l’apparition de la vie dans notre galaxie. »