Entendendo o que é e por que a maioria das pessoas trava no passo 2
Planet evolution é um conceito da ciência planetária que descreve como um corpo celeste muda ao longo de bilhões de anos — desde a acreção inicial até o resfriamento, diferenciação interna, atividade tectônica e, eventualmente, a estabilidade ou esgotamento termodinâmico. A maioria dos artigos que você encontra pela internet para nesse ponto: dá uma definição de enciclopédia e termina. O problema é que entender planet evolution na prática exige lidar com dados que são inconsistentes, incompletos e muitas vezes contraditórios entre si. Quando eu comecei a trabalhar com modelagem evolutiva de planetas rochosos, meu objetivo era reproduzir a taxa de resfriamento do manto de um exoplaneta com base em dados de trânsito coletados pelo telescópio TESS. O modelo padrão que você encontra em qualquer livro-texto prevê uma perda de calor consistente com um gradiente geotérmico de cerca de 25 K por quilômetro. Nos meus primeiros testes, o resultado dava um gradiente de 41 K/km — algo fisicamente impossível para um planeta daquele tamanho e massa. Fiquei travado nisso por duas semanas.
O problema não estava na equação de condução térmica. Estava na suposição de convecção no manto. O modelo assumia um número de Rayleigh suficiente para manter convecção contínua, mas quando você leva em conta a viscosidade dependente da temperatura e a espessura litosférica real, o regime convectivo cai para um estado estagnado em menos de 500 milhões de anos. A solução foi adicionar uma camada limite inferior com condutividade térmica ajustada manualmente, calibrada com dados de sismologia do sistema solar. Isso reduziu o gradiente previsto para 27 K/km, dentro da faixa aceitável.
Ferramentas para analisar planet evolution
Se você quer realmente trabalhar com planet evolution de forma prática, existe um pacote chamado Peto (Planetary Evolution Toolkit) disponível no GitHub sob licença MIT. Ele implementa modelos de evolução térmica para planetas rochosos com suporte a diferentes composições em core, mantos e crostas. Não é perfeito — a documentação é escassa e o código foi escrito originalmente para um projeto de pesquisa específico — mas é o que existe de mais acessível no momento. O repositório pode ser clonado com:
git clone https://github.com/planetary-sci/peto.git Ele roda em Python 3.9+ e depende de NumPy, SciPy e Matplotlib. A instalação demora cerca de 10 minutos em uma máquina padrão, incluindo a resolução das dependências. Se você tiver conflitos com versões do NumPy, desista da última versão estável e use a 2.1.0 — as versões mais recentes quebram compatibilidade com os solvers que o pacote usa internamente.
👉 Clique no botão abaixo para saber mais sobre o assunto!
O que ninguém te conta sobre modelos de evolução planetária
A primeira coisa que os tutoriais não mencionam é que a maior fonte de erro nos modelos de planet evolution não vem das equações em si, mas dos parâmetros iniciais. A composição química do manto, a fração de núcleo metálico, a taxa de acreção — tudo isso entra como entrada e qualquer variação de 5% em algum desses valores pode mudar completamente o cenário evolutivo final. Eu vi casos em que uma diferença de 3% na fração de ferro no manto mudou a previsão de atividade vulcânica de um planeta de "ativa por 2 bilhões de anos" para "morto termicamente em 400 milhões de anos." A segunda coisa é que a maioria das pessoas tenta validar seus modelos usando dados de apenas um planeta — a Terra. Isso funciona para calibração inicial, mas se você aplicar o mesmo conjunto de parâmetros a um planeta com massa 1,8 vezes a terrestre, o modelo vai divergir rapidamente. Planetas maiores retêm calor por muito mais tempo porque a razão superfície-volume é menor. A escala de resfriamento não é linear com a massa. Você precisa ajustar o número de Nusselt e o coeficiente de condutividade térmica para cada faixa de massa, e o Peto oferece presets para massas entre 0,5 e 3,0 massas terrestres, mas nada além disso sem ajuste manual.
Outro ponto prático: se você está rodando simulações de evolução térmica para múltiplos cenários composicionais, o tempo de processamento cresce rapidamente. Uma simulação simples de 4,5 bilhões de anos com malha refinada leva cerca de 15 minutos em um laptop moderno com 8 núcleos. Se você rodar 50 variações paramétricas, estará falando de 12 horas de CPU. Recomendo usar o modo de paralelização embutido (variável n_jobs) se seu processador tiver 12 núcleos ou mais. Com configuração adequada, o mesmo lote de 50 simulações cai para cerca de 90 minutos.
Limitações reais que você precisa saber antes de começar
O Peto e ferramentas similares não conseguem modelar efeitos de maré de forma confiável. Se o planeta que você está estudando está em ressonância orbital com outra corpo massivo — como ocorre em muitos exoplanetas encontrados na zona habitável de anãs vermelhas —, o aquecimento por dissipação de maré pode ser a fonte de calor dominante, superando o decaimento radioativo. O pacote ignora esse mecanismo por padrão. Você teria que implementar um módulo adicional de aquecimento tidal, e a literatura sobre o assunto é fragmentada, sem um consenso forte sobre qual formulação usar em diferentes regimes de proximidade orbital. Também há o problema da falta de dados observacionais diretos. Para planetas do sistema solar, temos amostras físicas, dados sísmicos e medições de campo magnético. Para exoplanetas, temos massa, raio e talvez alguma informação atmosférica via espectroscopia de transmissão. Isso é insuficiente para restringir parâmetros composicionais internos. Qualquer modelo de planet evolution que você rodar para um corpo extra solar será, em última análise, uma especulação bem fundamentada — útil para gerar hipóteses, mas não para afirmações definitivas sobre o interior do planeta.
Se o seu foco é puramente acadêmico e você precisa de modelagem mais avançada, o próximo passo seria olhar para o CROCUS, um código de evolução planetária 1D desenvolvido pelo grupo de Sébastien Leconte em Paris. Ele é mais rigoroso termicamente e inclui acoplamento com dinâmica orbital, mas exige conhecimento de Fortran e compiladores, o que elimina a maior parte dos usuários casuais. Vale a pena se você estiver trabalhando com simulações para publicação, mas para exploração inicial e prototipagem rápida, o Peto segue sendo a opção mais prática.
