El uso de GPUs y algoritmos como Morpheus permite catalogar y rectificar imágenes astronómicas para entender la evolución morfológica del universo temprano
La astronomía moderna ya no depende solo de capturar imágenes más profundas del cosmos. Con modelos de IA como Morpheus y procesamiento acelerado por GPU, los equipos científicos pueden clasificar galaxias píxel por píxel, analizar datos del telescopio James Webb y estudiar cómo se formaron las primeras estructuras del universo.
En ese escenario, investigadores de la Universidad de California en Santa Cruz utilizan inteligencia artificial y GPU para clasificar galaxias, generar catálogos, detectar anomalías y comparar observaciones con simulaciones cosmológicas.
Una de las herramientas centrales del flujo de trabajo es Morpheus, un sistema de IA aplicado al análisis de imágenes astronómicas. El modelo usa segmentación semántica para revisar cada píxel y distinguir componentes como bulbos, discos y fondos, incluso cuando aparecen superpuestos dentro de una misma observación.
Aplicado a datos del James Webb, Morpheus permitió identificar galaxias de disco rotatorio en etapas tempranas del universo. Este punto resulta relevante porque esas estructuras obligan a revisar algunos supuestos sobre cómo se formaron las primeras galaxias.
El trabajo depende de la infraestructura acelerada por GPU; de hecho, parte del procesamiento se ejecuta en el clúster Lux de UC Santa Cruz, mientras que las cargas más grandes se trasladan a supercomputadores de mayor capacidad.
El clúster Lux es un supercomputador de alto rendimiento ubicado en la Universidad de California, Santa Cruz (UCSC). Fue financiado por la NSF y está diseñado principalmente para investigaciones en astrofísica, modelado climático y simulaciones avanzadas.
El equipo también utiliza una NVIDIA DGX Station en el campus para probar modelos antes de enviarlos a sistemas de mayor escala. Ese flujo permite acelerar tareas como reducción de datos, generación de catálogos, detección de anomalías y simulaciones.
Los observatorios modernos generan catálogos con variables como brillo, color, masa, cinemática y morfología. Ordenar esas relaciones exige herramientas capaces de comparar objetos astronómicos a gran escala, sin depender únicamente de revisión manual.
GalaxyFriends aplica reducción de dimensionalidad para organizar casi 90.000 galaxias en agrupaciones de similitud. Con esa clasificación, los equipos pueden encontrar objetos relacionados, aislar casos raros y detectar patrones en grandes catálogos.
El Observatorio Vera C. Rubin, ubicado en Chile, generará cerca de 20 TB de datos por noche cuando esté plenamente operativo. A diferencia de un telescopio espacial, sus imágenes deben atravesar la atmósfera terrestre, lo que introduce distorsiones ópticas.
Robertson y su equipo entrenan modelos con datos captados desde el espacio para aplicarlos luego a imágenes terrestres. El objetivo es reconstruir detalle y mejorar la claridad visual a partir de información degradada por la atmósfera.
Las GPU también se usan para simular la evolución del universo a gran escala; para ello, el grupo ejecuta volúmenes virtuales que evolucionan durante tiempos cósmicos y luego compara esos resultados con datos obtenidos por telescopios.
El valor de esta infraestructura no está solo en procesar más datos, sino en convertirlos en información utilizable para otros equipos científicos. El grupo también mantiene una iniciativa de catalogación abierta con lecturas de galaxias corregidas mediante interpolación algorítmica.
