Objetos astronómicos raros encontrados mediante inteligencia artificial

Dos astrónomos han utilizado un nuevo método con ayuda de inteligencia artificial para buscar objetos astronómicos poco comunes en el Archivo del Legado del Hubble. Gracias a la inteligencia artificial, examinaron casi 100 millones de fragmentos de imágenes en solo dos días y medio, descubriendo casi 1400 objetos anómalos, más de 800 de los cuales nunca antes habían sido documentados.

Los objetos raros y anómalos, como galaxias en colisión, lentes gravitacionales y galaxias anulares, son de enorme interés científico, pero son difíciles de encontrar en el creciente volumen de datos recolectados por telescopios como el Telescopio Espacial Hubble. Cada vez más, los astrónomos deben preguntarse cómo pueden encontrar una aguja cósmica en un pajar del tamaño del universo.

Recientemente, los investigadores David O'Ryan y Pablo Gómez, de la Agencia Espacial Europea (ESA), desarrollaron una herramienta de inteligencia artificial que les permite analizar millones de imágenes astronómicas en una fracción del tiempo que necesitaría una persona. El equipo entrenó la herramienta y demostró sus capacidades utilizando el Archivo Legado del Hubble, que contiene decenas de miles de conjuntos de datos que abarcan la larga vida operativa del telescopio.

Las anomalías astrofísicas suelen descubrirse cuando los científicos buscan manualmente objetos que se salen de la norma o bien las encuentran por casualidad. Aunque los científicos cualificados destacan en la detección de anomalías cósmicas, el volumen de datos del Hubble es simplemente demasiado grande para que los expertos puedan analizarlos manualmente con el nivel de detalle necesario.

Los proyectos de ciencia ciudadana, que incorporan a personas no científicas para colaborar en tareas como la clasificación de galaxias, ofrecen otra forma de reducir la montaña de datos disponibles. Aunque los grupos de ciencia ciudadana amplían enormemente la cantidad de datos que se pueden analizar, el volumen de trabajo que pueden hacer sigue sin ser comparable al necesario para revisar la totalidad de archivos extensos como el del Hubble, ni los conjuntos de datos procedentes de telescopios de cartografiado del cielo como el telescopio espacial Euclid de la ESA.

Ahora, este nuevo trabajo de O'Ryan y Gómez lleva la búsqueda a un nivel completamente nuevo. El equipo desarrolló lo que se denomina una red neuronal, una herramienta de inteligencia artificial que utiliza ordenadores para procesar datos y buscar patrones de una manera inspirada en el cerebro humano. Su red neuronal, a la que llamaron AnomalyMatch, está entrenada para buscar y reconocer objetos raros como galaxias medusa y arcos gravitacionales.

El equipo utilizó AnomalyMatch para buscar entre casi 100 millones de recortes de imágenes del Archivo del Legado del Hubble, lo que supone la primera vez que este archivo se ha examinado de forma sistemática en busca de anomalías astrofísicas. En solo dos días y medio, AnomalyMatch completó su búsqueda en el archivo y devolvió una lista de posibles anomalías.

Dado que el proceso de localización de objetos raros sigue requiriendo el ojo experto de un científico, O'Ryan y Gómez inspeccionaron personalmente las fuentes que su algoritmo calificó como más probables de ser anómalas. De ellas, más de 1300 resultaron ser anomalías reales, de las cuales más de 800 no habían sido documentadas previamente en la literatura científica.

Galaxia anómala. No está claro de qué clase es ni por qué adquirió esta forma. La inteligencia artificial empleada en el nuevo estudio se percató de lo inusual de sus rasgos. (Foto: ESA / Hubble & NASA / D. O’Ryan, P. Gómez (European Space Agency), M. Zamani (ESA / Hubble))

La mayoría de las anomalías detectadas en esta investigación son galaxias en proceso de fusión o interacción, que adoptan formas inusuales o presentan largas colas de estrellas y gas. Muchas otras son lentes gravitacionales, en las que la gravedad de una galaxia en primer plano curva el espacio-tiempo y deforma la luz de una galaxia de fondo distante en forma de círculo o arco. El equipo también descubrió ejemplos de otros objetos raros, como galaxias con enormes cúmulos de estrellas, galaxias medusa con «tentáculos» gaseosos y discos de formación planetaria observados de canto, lo que les da un aspecto similar al de una hamburguesa o una mariposa. Quizás lo más intrigante de todo fue la localización de varias decenas de objetos que desafían cualquier clasificación.

«Este es un uso fantástico de la inteligencia artificial para maximizar el rendimiento científico del archivo del Hubble», afirma Gómez, coautor del estudio. «Encontrar tantos objetos anómalos en los datos del Hubble, donde cabría esperar que muchos ya hubieran sido descubiertos, es un resultado excelente. Además, demuestra lo útil que será esta herramienta para otros grandes conjuntos de datos». El Hubble ha generado solo uno de los muchos grandes archivos de datos en astronomía, y otros más están en camino. Entre las nuevas infraestructuras que recolectarán cantidades enormes de datos se encuentran Euclid, que comenzó en 2023 su estudio de miles de millones de galaxias en un tercio del cielo nocturno; el Observatorio Vera C. Rubin de la Fundación Nacional de Ciencia (NSF) y el Departamento de Energía (DOE) de Estados Unidos, que pronto iniciará su Estudio del Legado del Espacio y el Tiempo de diez años de duración y obtendrá más de 50 petabytes de imágenes; y el Telescopio Espacial Nancy Grace Roman de la NASA, al cual la ESA contribuye y cuyo lanzamiento está previsto no más tarde de mayo de 2027. Herramientas de inteligencia artificial como AnomalyMatch pueden ayudar a los astrónomos a gestionar la avalancha de datos entrantes y a descubrir nuevos ejemplos de objetos raros e inusuales, e incluso quizá fenómenos nunca antes observados en el Universo.

Este catálogo de objetos astronómicos raros se ha publicado en la revista académica Astronomy & Astrophysics, bajo el título “Identifying astrophysical anomalies in 99.6 million source cutouts from the Hubble legacy archive using AnomalyMatch”. (Fuente: ESA)