4 formas en que la IA descubre los misterios del universo
5 min readLa astronomía es todo sobre datos. El universo está creciendo y también la cantidad de información que tenemos sobre él. Pero algunos de los mayores desafíos para la próxima generación de astronomía son cómo estudiamos todos los datos que recopilamos.
Para hacer frente a estos desafíos, los astrónomos están recurriendo al aprendizaje automático y la inteligencia artificial (IA) para crear nuevas herramientas para investigar rápidamente los próximos grandes avances. Aquí hay cuatro formas en que la IA está ayudando a los astrónomos.
1. Búsqueda de planetas
Hay varias formas de encontrar un planeta, pero la más exitosa ha sido tránsitos de estudio. Cuando un exoplaneta pasa frente a su estrella madre, bloquea parte de la luz que podemos ver.
Al observar muchas órbitas de un exoplaneta, los astrónomos construyen una imagen de los canales de luz, que pueden usar para identificar propiedades del planeta, como su masa, tamaño y distancia de su estrella. NASA Kepler El Telescopio Espacial ha utilizado esta técnica con gran éxito observando miles de estrellas a la vez, estando atento a las reveladoras gotas causadas por los planetas.
Los humanos son lo suficientemente buenos para ver estas caídas, pero es una habilidad que lleva tiempo desarrollar. Con más misiones dedicadas a la búsqueda de nuevos exoplanetas, como la de la Nasa (Satélite para el estudio de exoplanetas en tránsito), los humanos simplemente no pueden seguir el ritmo. Aquí es donde entra la IA.
Las técnicas de análisis de series de tiempo, que analizan datos como una secuencia secuencial a lo largo del tiempo, se han combinado con un tipo de IA para identificar con éxito señales de exoplanetas con hasta 96% de precisión.
2. Ondas gravitacionales
Los modelos de series de tiempo no solo son excelentes para encontrar exoplanetas, también son excelentes para encontrar señales de los eventos más catastróficos del universo: las fusiones entre agujeros negros y estrellas de neutrones.
Cuando estos cuerpos increíblemente densos caen hacia adentro, envían ondas a través del espacio-tiempo. que puede ser detectado midiendo señales débiles aquí en la Tierra. Colaboraciones de detectores de ondas gravitacionales Enlazar y Virgen identificó las señales de docenas de estos eventos, todos con la ayuda de aprendizaje automático.
Al entrenar modelos sobre datos simulados de fusión de agujeros negros, los equipos de Ligo y Virgo pueden identificar eventos potenciales en los momentos siguientes y enviar alertas a los astrónomos de todo el mundo para que orienten sus telescopios en la dirección correcta.
3. El cielo cambiante
Cuando el Observatorio Vera Rubin, actualmente en construcción en Chile, comienza a funcionar, examinará todo el cielo nocturno cada noche, recolectando más de 80 terabytes de imágenes a la vez, para ver cómo las estrellas y galaxias de los universos varían con el tiempo. Un terabyte corresponde a 8.000.000.000.000 de bits.
Durante las operaciones planificadas, el Legacy Survey of Space and Time realizado por Rubin recopilará y procesará cientos de petabytes de datos. Para ponerlo en contexto, 100 petabytes es el espacio que se necesita para almacenar cada foto en Facebook, o alrededor de 700 años de video de alta definición completa.
No podrá simplemente conectarse a los servidores y descargar estos datos, e incluso si lo hiciera, no podría encontrar lo que estaba buscando.
Se utilizarán técnicas de aprendizaje automático para investigar estas encuestas de próxima generación y resaltar datos importantes. Por ejemplo, un algoritmo podría buscar en las imágenes eventos raros como supernovas (explosiones dramáticas al final de la vida de una estrella) y otra podría estar buscando cuásares. Al entrenar a las computadoras para que reconozcan señales de fenómenos astronómicos particulares, el equipo podrá transmitir los datos correctos a las personas adecuadas.
4. Lentes gravitacionales
A medida que recopilamos más y más datos sobre el universo, a veces incluso tenemos que organizar y desechar datos que no son útiles. Entonces, ¿cómo encuentras los objetos más raros en estos datos?
Un fenómeno celeste que emociona a muchos astrónomos es potentes lentes gravitacionales. Esto es lo que sucede cuando dos galaxias se alinean a lo largo de nuestra línea de visión y la gravedad de la galaxia más cercana actúa como una lente y magnifica el objeto más lejano, creando anillos, cruces e imágenes dobles.
Encontrar estos lentes es como encontrar una aguja en un pajar, un pajar del tamaño del universo observable. Esta es una investigación que solo se volverá más difícil a medida que recopilemos más y más imágenes de galaxias.
En 2018, astrónomos de todo el mundo participaron en el Fuerte desafío de investigación de lentes gravitacionales donde chocaron para ver quién podía crear el mejor algoritmo para encontrar esos lentes automáticamente.
El ganador de este desafío utilizó un modelo llamado red neuronal convolucional, que aprende a descomponer imágenes usando diferentes filtros hasta poder clasificarlas como que contienen o no contienen una lente. Sorprendentemente, estos modelos fueron incluso mejores que los humanos, encontrando diferencias sutiles en las imágenes que a los humanos nos cuesta notar.
Durante la próxima década, utilizando nuevos instrumentos como el Observatorio Vera Rubin, los astrónomos recopilarán petabytes de datos, miles de terabytes. A medida que profundicemos en el universo, la investigación de los astrónomos se basará cada vez más en técnicas de aprendizaje automático.
Este artículo de Broche Ashley, investigador en astrofísica, Universidad de Hertfordshire, se reedita desde La conversación bajo una licencia Creative Commons. Leerlo artículo original.
“Increíble aficionado a la música. Estudiante. Empollón empedernido del café. Jugador. Especialista web aficionado. Pionero malvado de la cultura pop”.