Un nuevo marco de IA promete desvelar los secretos de la energía oscura

Investigadores liderados por el Instituto de Ciencias del Cosmos de la Universidad de Barcelona (ICCUB) desarrollaron una técnica innovadora que podría transformar la forma en que los científicos estudian la expansión del universo y la enigmática fuerza conocida como energía oscura.

Publicada en Nature Astronomy, la investigación introdujo un marco denominado CIGaRS que puede extraer mucha más información de las supernovas tipo Ia, las potentes explosiones estelares utilizadas para medir vastas distancias cósmicas. A diferencia de muchos enfoques actuales, el método se basa principalmente en datos de imágenes en lugar de costosas observaciones espectroscópicas. Este avance se espera que ayude a los astrónomos a aprovechar al máximo los enormes conjuntos de datos que pronto llegarán de las próximas encuestas del cielo, particularmente las realizadas por el Observatorio Vera C. Rubin.

Importancia de las supernovas tipo Ia

Las supernovas tipo Ia ocurren cuando las estrellas enanas blancas explotan. Debido a que estas explosiones alcanzan casi el mismo brillo intrínseco, los astrónomos las utilizan como "velas estándar": comparando su brillo real con lo brillante que parecen desde la Tierra, los investigadores pueden calcular su distancia.

Estas mediciones jugaron un papel crucial en el descubrimiento de que el universo se expande a un ritmo acelerado. Los científicos atribuyen esa aceleración a la energía oscura, una de las preguntas no resueltas más significativas en la física moderna.

Sin embargo, existe una complicación importante. Las supernovas tipo Ia no son perfectamente idénticas.

Cómo las galaxias anfitrionas afectan las mediciones de supernovas

Durante los últimos 20 años, los astrónomos han descubierto que el brillo observado de una supernova se ve influenciado por la galaxia en la que ocurre. Las supernovas encontradas en galaxias más antiguas o masivas pueden parecer ligeramente diferentes de aquellas que ocurren en galaxias más jóvenes o menos masivas.

Los investigadores han contabilizado típicamente estas diferencias utilizando métodos de corrección relativamente simples. Aunque útiles, estas aproximaciones pueden limitar la precisión de las mediciones de distancia y, a su vez, la precisión de los estudios cosmológicos.

Un modelo unificado de supernovas y el universo

El nuevo marco aborda este desafío modelando múltiples factores simultáneamente. En lugar de tratar cada componente de manera independiente, los investigadores construyeron un modelo único e integrado que incluye las explosiones de supernovas, sus galaxias anfitrionas, el polvo que altera su luz, cambios en las tasas de supernovas a lo largo de la historia cósmica e incluso la expansión del universo.

Al conectar todos estos ingredientes dentro de un único marco estadístico y físico, el equipo puede capturar relaciones que a menudo se pasan por alto cuando se analizan las piezas por separado.

"Una forma poderosa de modelar el universo es simularlo desde el principio en la computadora utilizando inferencia bayesiana", comentó Raúl Jiménez (ICREA-ICCUB), coautor del estudio. "Esto proporciona una manera de variar todos los parámetros posibles al mismo tiempo para predecir en qué universo vivimos. Además, al tener esta capacidad, se puede investigar posibles sistemáticas 'desconocidas' para entender su efecto. El impacto de estas sistemáticas en nuestra inferencia es, sin duda, el ingrediente más importante que falta en los enfoques actuales para modelar el universo".

Uso de inteligencia artificial para analizar el cosmos

Construir un modelo tan completo normalmente requeriría un enorme poder de cómputo. Para hacer que el enfoque sea práctico, los investigadores recurrieron a una técnica moderna llamada inferencia basada en simulaciones.

El proceso comienza con los científicos generando un gran número de universos simulados basados en modelos físicos. Una red neuronal (un tipo de inteligencia artificial) aprende cómo las observaciones simuladas se relacionan con las propiedades físicas que las produjeron. Una vez entrenado, el sistema puede comparar observaciones astronómicas reales con sus simulaciones y determinar los parámetros subyacentes más probables.

Esta estrategia permite analizar decenas de miles de supernovas simultáneamente, una tarea que sería impracticable utilizando técnicas tradicionales.

Distancias galácticas precisas solo a partir de imágenes

Uno de los hallazgos más significativos del estudio es que el marco puede determinar distancias galácticas (corrimientos al rojo) con alta precisión utilizando solo datos de imágenes.

El corrimiento al rojo mide cuánto se ha estirado la luz de una galaxia a medida que el universo se expande. Proporciona información tanto sobre la distancia de la galaxia como sobre cuánto atrás en el tiempo estamos observando.

Según los investigadores, el nuevo método entrega estimaciones de corrimiento al rojo con precisión comparable a las mediciones espectroscópicas, pero sin requerir espectros. Esta capacidad es especialmente importante porque se espera que las encuestas futuras identifiquen millones de candidatos a supernovas, mientras que solo un pequeño porcentaje puede recibir observaciones espectroscópicas de seguimiento de manera realista.

Preparados para la avalancha de datos del Observatorio Rubin

El Observatorio Vera C. Rubin, que actualmente se está construyendo en Chile, se espera que inicie una encuesta del cielo durante una década en un futuro cercano. Durante esa misión, descubrirá un número sin precedentes de supernovas. Aproximadamente el 99% de esos objetos solo serán observados fotométricamente, es decir, a través de imágenes tomadas en diferentes colores en lugar de espectros detallados.

El marco CIGaRS fue desarrollado específicamente con este desafío en mente.

"A diferencia de otros marcos, que requieren simplificaciones analíticas, nuestro enfoque de inferencia basado en simulaciones sin compromisos es singularmente capaz de extraer toda la información cosmológica y astrofísica de los datos arduamente obtenidos del Observatorio Rubin, evitando las trampas de sesgos de selección y modelado", afirmó Konstantin Karchev (ICCUB-SISSA Trieste), autor principal del estudio.

Perspectivas sobre cómo se forman las supernovas

Los beneficios se extienden más allá de medir la energía oscura. El marco también proporciona nueva información sobre los orígenes de las supernovas tipo Ia.

Al reconstruir cómo varían las tasas de ocurrencia de supernovas con las edades de las estrellas en diferentes galaxias, el modelo ayuda a los científicos a investigar preguntas de larga data sobre los sistemas que eventualmente producen estas explosiones.

Los investigadores encontraron que combinar simulaciones basadas en física con inteligencia artificial puede superar varias limitaciones de los métodos cosmológicos actuales. Estiman que el enfoque podría mejorar las restricciones cosmológicas en un factor de hasta cuatro en comparación con técnicas tradicionales que dependen solo de una muestra relativamente pequeña de supernovas observadas espectroscópicamente.

A medida que el Observatorio Rubin se prepara para dar la bienvenida a una nueva era de descubrimiento astronómico, herramientas como CIGaRS podrían ayudar a los científicos a extraer la máxima cantidad de información de sus observaciones y obtener una comprensión más profunda del universo.

Temas