Un algoritmo que explora el pasado del Hubble

Investigadores de la Agencia Espacial Europea, David O’Ryan y Pablo Gómez, desarrollaron AnomalyMatch, un modelo de aprendizaje automático entrenado con cerca de ciento diez millones de recortes de imágenes extraídos del archivo legacy del telescopio Hubble, que cubre aproximadamente 35 años de observaciones.

Cómo funciona

En lugar de procesar imágenes completas, la red neuronal se alimenta con pequeños fragmentos de apenas unos pocos píxeles, lo que le permite captar desviaciones sutiles de los patrones habituales sin requerir un enorme poder de cálculo.

Resultados asombrosos

En tan solo dos días y medio el algoritmo escaneó el volumen de datos que a mano llevaría a un equipo humano varios años. Generó una lista inicial de 1400 posibles anomalías; tras la revisión de los científicos, se confirmaron mas de 1300 objetos realmente inusuales.

De esos, mas de 800 no figuraban previamente en la literatura científica, demostrando que incluso los archivos más estudiados pueden ocultar sorpresas.

Tipos de objetos encontrados

• Galaxias en proceso de fusión o interacción gravitacional, con formas caóticas y rastros de gas y estrellas.
• Lentes gravitacionales, donde la masa de una galaxia curva la luz de otra más lejana, creando arcos luminosos.
• Galaxias "medusa" con largas colas de gas que forman estrellas.
• Discos protoplanetarios vistos de perfil, zonas donde se está formando planetas.
• Varios objetos que no encajan en ninguna categoría conocida, indicando posibles nuevos fenómenos físicos.

Importancia para la ciencia

El estudio, publicado en la revista Astronomy & Astrophysics, subraya cuán esencial será la IA para los próximos grandes observatorios como Euclid, el Vera C. Rubin y el telescopio Nancy Grace Roman, que generarán volúmenes de datos mucho mayores.

Herramientas como AnomalyMatch permitirán detectar anomalías en tiempo récord, evitando que descubrimientos cruciales pasen desapercibidos.