Space

La ciencia moderna depende cada vez más de enormes conjuntos de datos y análisis automatizados. En astronomía, la Legacy Survey of Space and Time (LSST) del Observatorio Vera C. Rubin –un estudio de diez años que cubrirá casi mil veces todo el cielo austral en la próxima década– pondrá a prueba los límites de esta dependencia.

El Observatorio Rubin, ubicado en la cima de una montaña llamada Cerro Pachón en Chile, tiene como objetivo catalogar el cielo nocturno con un detalle exquisito. El observatorio busca responder a numerosas preguntas sobre el universo estudiando diferentes fenómenos celestes, incluyendo supernovas (estrellas que explotan), asteroides, materia oscura y las propiedades de nuestra propia galaxia.

También responderá a una pregunta que domina todas las áreas de la ciencia en el siglo XXI: ¿cómo se concibe el descubrimiento en la era del considerable data?

Aunque financiado principalmente por el Departamento de Energía y la Fundación Nacional de Ciencias (NSF) de EE. UU., el telescopio Rubin es el producto de un esfuerzo colaborativo de astrónomos de seis continentes y más de una docena de países.

El Reino Unido, Francia, España, Italia, Japón, Brasil, Australia, Sudáfrica y Canadá, entre otros, proporcionaron asistencia para la configuración de sus sistemas de procesamiento de datos. Estas contribuciones en especie otorgan a los investigadores de estos países derechos de datos para la LSST.

Las alertas que proporcionan datos científicos se envían a siete “intermediarios” distribuidos por todo el mundo. Estos intermediarios son sitios web o software que los astrónomos utilizan para acceder a los datos de la LSST.

Las alertas proporcionan información sobre un nuevo objeto astronómico, como su probabilidad de ser real, su tipo, la galaxia a la que pertenece y cómo ha cambiado su brillo con el tiempo. Con estos datos, los astrónomos pueden seleccionar los mejores candidatos para investigaciones de seguimiento.

Sin embargo, incluso con los esfuerzos de los equipos de software y los intermediarios, todavía hay demasiados datos transitorios para que cualquier equipo de investigación los examine. La etapa final del procesamiento de datos del telescopio Rubin implicará que los científicos utilicen técnicas de aprendizaje automático e IA para identificar los mejores datos.

Estas técnicas pueden servir para identificar objetos cósmicos reales entre los terabytes de alertas falsas recibidas, o para clasificar los que resulten más interesantes para los científicos.

La astronomía es cada vez más intensiva en código y se centra en el desarrollo interno. Dada la enorme cantidad de datos generados cada noche de observaciones con el telescopio, no es sorprendente que sea una de las primeras ciencias en recurrir al aprendizaje automático como solución.

La Informatics and Statistics Science Collaboration (ISSC) de la LSST, por ejemplo, es un grupo de más de 150 científicos de datos que trabajan en el desarrollo de herramientas para la astronomía, centrándose en los objetivos científicos de datos de la encuesta.

La astronomía ha liderado el camino en lo que respecta al big data, con financiación proporcionada por empresas como Amazon y Microsoft para varios proyectos importantes. De hecho, el nombre del telescopio de 8,4 metros Simonyi Survey Telescope en el Observatorio Rubin, Charles Simonyi, es conocido por su desarrollo de software en los primeros días de Microsoft, así como por su labour filantrópica.

El volumen de datos producido por el observatorio no solo generará oportunidades para científicos, desarrolladores de software y trabajadores tecnológicos, sino también para voluntarios interesados en la astronomía a través de proyectos de ciencia ciudadana.

La asociación de la LSST con la plataforma de ciencia ciudadana Zooniverse pedirá a los voluntarios que revisen los datos y proporcionen contexto adicional a lo que se les muestra, identificando objetos interesantes, descartando datos basura y clasificando varios tipos de fenómenos.

Lecciones para el futuro

¿Qué nos dice el Observatorio Rubin sobre la astronomía moderna? El siglo XX fue testigo de un mayor impulso a la colaboración internacional en la exploración de los cielos. La creciente sofisticación de los observatorios resultantes significa que cada vez más astrónomos trabajan al servicio de la habilitación de la ciencia, en lugar de realizar descubrimientos por sí mismos.

La enorme cantidad de datos generados por la encuesta, y el gran número de personal necesario para analizarlos, no es algo nuevo para Rubin. Otras encuestas contemporáneas como Euclid y la colaboración Ligo-Virgo-Kagra, así como el aún mayor Square Kilometer Array de la próxima década, consisten cada una en miles de colaboradores en todo el mundo que aprovechan enormes cantidades de datos.

Lo que está claro es que la IA dominará el espacio del descubrimiento científico del Observatorio Rubin para hacer frente a estos desafíos del big data. Con más financiación de la industria para desarrollar herramientas de IA para analizar los datos astronómicos, la astronomía se está integrando profundamente en la esfera tecnológica que domina la vida moderna.

Rubin producirá 10 terabytes de datos cada noche, con el objetivo de un tamaño final de la base de datos de 15 petabytes al final de su encuesta de diez años. Dado que se espera que la mayoría de las 10 millones de alertas producidas cada noche sean falsas, se requieren herramientas avanzadas de aprendizaje automático e IA para filtrar todo excepto los candidatos más prometedores para el seguimiento.

Al reducir el tiempo que los astrónomos dedican a revisar estos datos, se puede dedicar más tiempo a realizar nuevas y emocionantes investigaciones astrofísicas.

La propiedad tanto de las herramientas de descubrimiento como del propio descubrimiento ahora se distribuye entre científicos, grandes empresas tecnológicas y los ciudadanos que etiquetan los datos. La pregunta sin resolver es si el cosmos seguirá siendo una frontera pública compartida o se convertirá en un dominio moldeado por las prioridades de Silicon Valley.

Muiris MacCarthaigh es profesor de política y política pública, Queen’s University Belfast y Joshua Weston es candidato a doctor en la Escuela de Matemáticas y Física, Queen’s University Belfast

Este artículo se republica de The Conversation bajo una licencia Creative Commons. Lea el artículo original.