De acordo com um artigo no portal Space, os algoritmos cosmológicos tradicionais, usados para simular a evolução do Universo e reconstruir suas propriedades físicas, chegaram a um limite. Surge então a pergunta provocadora: e se o próximo grande avanço vier de uma inteligência artificial (IA) capaz de escrever e aprimorar seu próprio código?
É nesse contexto que aparece o MadEvolve, um framework projetado para pegar algoritmos científicos existentes e melhorá-los continuamente. Ele funciona como um aprendiz incansável, refinando versões básicas criadas por humanos e otimizando seu desempenho por meio de modificações iterativas e inteligentes.
Segundo o artigo, o MadEvolve não se limita a ajustes superficiais. Em várias tarefas cruciais da cosmologia computacional, ele superou algoritmos de referência criados por especialistas humanos, estabelecendo novos padrões de excelência combinando Modelos de Linguagem de Grande Porte (LLMs, na sigla em inglês), que sugerem mutações de código, e programação evolutiva, que seleciona as melhores soluções ao longo de gerações.
Embora LLMs possam ser instáveis em cálculos físicos rigorosos, o MadEvolve contorna essa limitação ao restringi-los a tarefas com métricas claras e verificáveis. Avaliadores físicos garantem que cada modificação realmente melhore o desempenho, mantendo o processo cientificamente sólido.
Um algoritmo de inteligência artificial (IA) conseguiu recentemente descobrir 1.300 anomalias, ou objetos com aparências incomuns, em dados de arquivo do telescópio Hubble. Centenas dessas anomalias nunca haviam sido documentadas antes
Testado em áreas desafiadoras da cosmologia, o sistema obteve avanços significativos em reconstrução das condições iniciais do Universo, remoção de contaminações de sinais fracos e otimização de simulações de N-corpos. Em alguns casos, superou o estado da arte humano, ampliando nossa capacidade de extrair conhecimento do crescente fluxo de dados astronômicos.
Além da cosmologia, o MadEvolve foi concebido como uma estrutura geral, com potencial para transformar outras áreas científicas e tecnológicas, da engenharia de software ao aprimoramento de redes neurais.