Utilizando una potente herramienta de inteligencia artificial, astrónomos han analizado grandes cantidades de datos del telescopio espacial Hubble de la NASA, descubriendo más de 1.300 anomalías cósmicas, de las cuales más de 800 son nuevas para la ciencia.
La nueva investigación, llevada a cabo por David O’Ryan y Pablo Gómez de la ESA (Agencia Espacial Europea), ha sido publicada en Astronomy and Astrophysics.
“Las observaciones de archivo del telescopio espacial Hubble se extienden ahora a lo largo de 35 años, proporcionando una valiosa fuente de datos en la que podrían encontrarse anomalías astrofísicas”, afirma O’Ryan.
Las anomalías astrofísicas son importantes porque pueden ser valores atípicos que presentan una faceta diferente de la naturaleza. Un científico capacitado podría estar atento a ellas y encontrarlas relativamente fácil.
Sin embargo, la cantidad de datos es simplemente demasiado grande, proveniente de nuestra potente colección de telescopios astronómicos. El JWST contribuye con aproximadamente 57 GB de datos cada día, dependiendo de las observaciones programadas.
Relacionado: El momento que esperábamos: el JWST se acerca al ‘Ojo de Sauron’
El Observatorio Vera Rubin, con la cámara digital más grande jamás construida, superará con creces esa cantidad. Generará alrededor de 20 terabytes de datos brutos cada noche y requiere una infraestructura especial solo para gestionarlos.
Con la próxima puesta en marcha de telescopios potentes como el Telescopio Gigante Magallanes y el Telescopio Extremadamente Grande, la cantidad de datos astronómicos que necesitan ser examinados científicamente está creciendo de forma exponencial.
Estas enormes cantidades de datos seguramente encierran muchas sorpresas ocultas. Nuestra tecnología ha superado la capacidad de los cerebros orgánicos para procesarlo todo. Pero la inteligencia artificial tecnológica está alcanzando la capacidad de generación masiva de datos de la astronomía.
“Los archivos astronómicos contienen grandes cantidades de datos inexplorados que potencialmente albergan fenómenos cósmicos raros y valiosos desde el punto de vista científico”, escriben los autores.
“Aprovechamos nuevos métodos semi-supervisados para extraer dichos objetos del Hubble Legacy Archive.”
Los investigadores utilizaron un marco de detección de anomalías recientemente desarrollado, AnomalyMatch, para buscar rápidamente en casi 100 millones de recortes de imágenes del Hubble Legacy Archive. El archivo contiene imágenes que se remontan a unos 35 años.
AnomalyMatch es una red neuronal, una herramienta de aprendizaje automático inspirada en el cerebro humano.
“AnomalyMatch está diseñado para aplicaciones a gran escala, procesando eficientemente predicciones para ≈100 millones de imágenes en tres días en una sola GPU”, escribieron los autores en un artículo anterior que presentaba la herramienta.
AnomalyMatch tardó solo de 2 a 3 días en procesar esta cantidad de datos, una fracción del tiempo que tardarían las mentes humanas. Es la primera vez que el Hubble Legacy Archive se somete a una búsqueda sistemática de anomalías.
AnomalyMatch generó una lista de anomalías probables. Esa lista contenía casi 1.400 objetos anómalos, un número que se maneja mucho más fácilmente con mentes humanas.
Relacionado: Sensores de terremotos detectan ondas de choque de basura espacial entrante
O’Ryan y Gómez revisaron manualmente estos 1.400 objetos y determinaron que 1.300 de ellos eran, de hecho, anomalías, y que más de 800 de ellas nunca se habían documentado.
Las galaxias en fusión e interacción fueron el tipo de anomalía más común detectado en el Archivo. Hubo 417 de ellas.
Los investigadores también encontraron 86 nuevas lentes gravitacionales potenciales. Estas son importantes porque acercan objetos que de otro modo estarían demasiado lejos para observar.
También ayudan a los científicos a estudiar la distribución de la materia oscura en el Universo, medir distancias y la expansión cósmica, y poner a prueba la relatividad general.
“Identificamos muchas lentes gravitacionales que ya están identificadas en la literatura, pero también muchas candidatas nuevas”, escriben los autores.
frameborder=”0″ allow=”accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share” referrerpolicy=”strict-origin-when-cross-origin” allowfullscreen>También hubo otras anomalías en el Archivo. AnomalyMatch encontró otros objetos raros como las galaxias medusa. Estas se encuentran en cúmulos de galaxias donde la presión de ariete está despojando gas de la galaxia, dejando una larga cola iluminada por la formación estelar. Se encontraron 35 de ellas en el Archivo.
La investigación también reveló algunas anomalías de naturaleza incierta. Una de ellas es una vista extraña, una galaxia con un núcleo arremolinado y lóbulos abiertos.
Relacionado: Microbios en el espacio mutaron y desarrollaron una habilidad notable
Analizar grandes cantidades de datos astronómicos es una tarea perfecta para la IA, difícilmente replicable por las mentes humanas.
Junto con las anomalías mencionadas anteriormente, los investigadores también descubrieron galaxias superpuestas, galaxias grumosas, galaxias anulares e incluso galaxias de alto desplazamiento al rojo tan cercanas a los límites de detección que son difíciles de discernir. También encontraron galaxias con chorros y galaxias que albergan AGN.
Si todas las observaciones astronómicas se detuvieran mañana, los descubrimientos no se detendrían. Las herramientas de IA capaces están destinadas a volverse cada vez más potentes. Los enormes conjuntos de datos existentes del Hubble y de otras misiones como Gaia de la ESA son un terreno fértil para futuras herramientas.
¿Quién sabe qué espera ser descubierto en todos esos datos?
“Esta es una poderosa demostración de cómo la IA puede mejorar el rendimiento científico de los conjuntos de datos de archivo”, dijo Gómez.
“El descubrimiento de tantas anomalías previamente no documentadas en los datos del Hubble subraya el potencial de la herramienta para futuras encuestas.”
Este artículo fue publicado originalmente por Universe Today. Lea el artículo original.
