III Simposio de Postgrado 2025: Ingeniería, ciencia e innovación

143 Álvaro Márquez S. ¹ , ⁵* Paula Jofre ² , ⁵ Claudio Muñoz ¹ , ⁴ Álvaro Rojas ³ , ⁵ Generación de modelos de atmósferas estelares mediante PINNs ¹ Departamento de Ingeniería Matemática, Universidad de Chile ² Instituto de Estudios Astrofísicos, Universidad Diego Portales ³ Departamento de Física, Universidad de Santiago de Chile ⁴ Centro de Modelamiento Matemático, CNRS IRL2807 ⁵ Núcleo Milenio Eris, Santiago de Chile *E-mail: amarquez@dim.uchile.cl 09 __Referencias [1] I. Hubeny and D. Mihalas. Theory of stellar atmospheres . Princeton Series in Astrophysics. Princeton University Press, Princeton, NJ, Oct. 2014. [2] M. Capitelli, G. Colonna, and A. D’Angola. Fundamental aspects of plasma chemical physics. Atomic, Optical, and Plasma Physics . Springer, New York, NY, 2012 edition, Oct. 2011. [3] M. Raissi, P. Perdikaris, and G. E. Karniadakis. Physics informed deep learning (part i): Data-driven solutions of nonlinear partial differential equations, 2017. [4] B Gustafsson, B Edvardsson, K Eriksson, U G Jørgensen, Å Nordlund, and B Plez. A grid of MARCS model atmospheres for late- type stars. Astron. Astrophys., 486(3):951– 970, August 2008 Resumen En astrofísica, uno de los principales temas de investigación es el estudio de la for- mación y evolución de las galaxias. Existen diferentes métodos para abordarlo, de los cuales se enfocará en hacer un estudio en detalle de una galaxia en particular, al nivel de estudiar esta estrella por estrella, conocido como análisis de espectro. Uno de los principales componentes para hacer dicho análisis son modelos nu- méricos que describan la estructura termodinámica de atmósferas de estrellas [1] . En la actualidad, existen modelos usados para dicho análisis tales como MARCS [4] , ATLAS o PHOENIX, pero estos modelos presentan algunos inconvenientes: i) Solo hay modelos para una muestra limitada de todo el espacio de parámetros, llevando al uso de interpolación para obtener modelos no existentes, método que no respeta la física de los modelos, ii) Debido a problemas de convergencia de los métodos usados, hay zonas del espacio de parámetros que tienen pocos modelos. En este trabajo se presenta un primer paso hacia la solución de estos problemas. Se presenta una aplicación de redes neuronales informadas por física (PINN) [3] para la generación de modelos de atmósferas estelares para una combinación de parámetros dada bajos las suposiciones de equilibrio termodinámico local (LTE) y modelos 1-dimensionales. Para lograr este objetivo, se implementará el uso de PINNs para la resolución del equilibrio químico en la atmósfera dada una combinación de abundancias químicas [2] y la resolución de la ecuación de la ecuación de transferencia radia- tiva [1] dada una temperatura y profundidad óptica, para obtener la información necesaria para generar el modelo de atmósfera estelar deseado. Los resultados de este trabajo, que serán presentados, consisten en una PINN que resuelve equilibrio químico, otra que resuelve transferencia radiativa y final- mente como se juntan los dos resultados anteriores para dar paso a un modelo numérico de una atmósfera estelar. Para la validación se comparará con los modelos MARCS [4] .