Investigadores de la NASA usaron una IA para examinar miles de imágenes de archivo capturadas por el Telescopio Espacial Hubble. Este proceso permitió localizar cientos de fenómenos astronómicos inusuales que habían pasado desapercibidos en revisiones previas.
La IA usada por la NASA se llama AnomalyMatch: Discovering Rare Objects of Interest with Semi-supervised and Active Learning (Descubrimiento de objetos raros de interés mediante aprendizaje semisupervisado y activo). Fue creada por investigadores de la ESA: David O’Ryan y Pablo Gómez, ambos del Centro Europeo de Astronomía Espacial (ESAC)
El Hubble es un telescopio espacial lanzado en 1990 que orbita la Tierra. Capta imágenes y datos muy precisos del universo, libres de la distorsión atmosférica, permitiendo estudiar galaxias, estrellas, planetas y fenómenos cósmicos lejanos con gran detalle. A diferencia de los telescopios terrestres, no sufre interferencia atmosférica, obtiene imágenes más claras y puede observar luz ultravioleta que la atmósfera bloquea.
El uso de redes neuronales para limpiar la visión del universo
El equipo utilizó algoritmos de aprendizaje profundo diseñados originalmente para la visión artificial. Estas herramientas procesaron una vasta cantidad de datos técnicos provenientes de las observaciones acumuladas por el Hubble durante sus décadas de operación continua en órbita.
Esta tecnología funciona como un filtro de alta precisión que separa los granos de arena por su forma exacta en una playa inmensa. Mientras un humano tardaría años en notar diferencias mínimas, la máquina detecta patrones geométricos extraños en segundos.
AnomalyMatch: Arquitectura técnica y flujo de trabajo
La estructura de AnomalyMatch se fundamenta en tres pilares tecnológicos:
- El algoritmo de aprendizaje semi-supervisado FixMatch,
- La red neuronal convolucional EfficientNet-Lite0
- Un sistema de aprendizaje activo guiado por expertos.
Esta arquitectura permite que el sistema funcione con una base de datos mínima, requiriendo inicialmente solo entre 5 y 10 ejemplos de anomalías ya etiquetadas para comenzar su entrenamiento.
Esta tecnología opera de manera similar a un filtro inteligente que aprende a distinguir objetos extraños tras observar apenas un puñado de ejemplos. A medida que procesa información, el algoritmo mejora su capacidad de detección mediante un ciclo de retroalimentación donde científicos humanos validan sus aciertos y corrigen sus errores.
El paso a paso: del archivo de la NASA al descubrimiento científico
El proceso de análisis sigue una secuencia lógica de seis fases diseñadas para maximizar la eficiencia y reducir el error humano:
- Preparación de los datos: Se organiza el archivo masivo en formato HDF5 para permitir un manejo rápido de terabytes de información.
- Entrenamiento inteligente: El sistema utiliza FixMatch para aprender de unas pocas imágenes etiquetadas y millones sin etiquetas, realizando ciclos breves de 100 iteraciones para no perder precisión.
- Procesamiento masivo: La IA analiza el archivo completo; en el caso del Hubble, procesó casi 100 millones de imágenes en solo 2.5 días.
- Clasificación por confianza: El algoritmo asigna un puntaje a cada imagen y las ordena, poniendo al principio de la lista aquellas que considera «más extrañas».
- Validación de expertos: Astrónomos de la ESA revisan los mejores resultados a través de una interfaz visual, confirmando cuáles son descubrimientos reales.
- Reentrenamiento continuo: Las correcciones humanas se reincorporan al sistema, haciendo que la IA sea cada vez más inteligente en el siguiente ciclo de búsqueda.
Rendimiento técnico y precisión del sistema
Para garantizar que el hallazgo tenga rigor científico, el equipo midió el éxito de AnomalyMatch mediante indicadores técnicos de alta precisión:
- Velocidad de procesamiento: Analizó 99.6 millones de recortes de imagen en 60 horas de computación.
- Capacidad de discriminación (AUROC): Alcanzó niveles de entre 0.86 y 0.96, demostrando una excelente distinción entre objetos normales y raros.
- Eficiencia en el ranking: Entre el 71% y el 93% de los objetos que la IA marcó como «prioritarios» resultaron ser anomalías verdaderas.
- Novedad científica: El flujo de trabajo permitió identificar más de 800 objetos que nunca antes habían sido documentados por la comunidad astronómica.
Este flujo de trabajo es comparable a tener un asistente que lee una biblioteca completa en una noche para entregarte solo las páginas con errores de impresión. El científico ya no busca el error manualmente, sino que dedica su tiempo a explicar por qué ocurrió ese fenómeno astronómico único.
Rarezas cósmicas: lo que la inteligencia artificial encontró en el espacio
Los objetos identificados presentan estructuras que desafían las clasificaciones morfológicas estándar de galaxias y nebulosas. La mayoría de estas anomalías corresponden a interacciones gravitatorias complejas o etapas de evolución estelar poco documentadas actualmente.
El líder del proyecto detalló la importancia de este descubrimiento para la comprensión de los procesos físicos en el espacio profundo.
“Estas raras anomalías nos proporcionan pistas fundamentales sobre los eventos extremos y poco comunes que ocurren en el universo, expandiendo nuestro conocimiento científico de manera significativa”.
David O’Ryan, investigador del Centro Europeo de Astronomía Espacial (ESAC)
La NASA y la ESA han revelado una selección de seis imágenes que muestran objetos con formas para nada usuales. Estos descubrimientos (gracias a AnomalyMatch), representan una pequeña muestra de los 1,300 objetos extraños que habían permanecido ocultos en los archivos de la misión por décadas.
Lentes gravitacionales: la deformación del espacio-tiempo
Esta categoría agrupa objetos donde la masa de una galaxia frontal actúa como una lupa natural, amplificando y estirando la luz de cuerpos celestes mucho más lejanos.
Primer lente gravitacional. La imagen destaca un núcleo ovalado con un arco de luz tenue justo debajo de su centro brillante. Este arco es el resultado de la gravedad de la galaxia frontal desviando la luz de un objeto lejano.
Segundo lente gravitacional con arco. La enorme masa de una galaxia masiva actúa como una lupa cósmica, amplificando y distorsionando la imagen de otra situada detrás. El resultado es un arco luminoso perfectamente visible que rodea el núcleo denso de la estructura frontal.
Tercer lente gravitacional con contraste de color. Una galaxia elíptica de tono rojizo aparece junto a una galaxia espiral azul que ha sido estirada por la gravedad. Aunque parecen estar cerca, la espiral azul reside en el fondo profundo y su forma es una ilusión óptica.
Interacciones galácticas y estructuras desconocidas
Los objetos que presentan formas irregulares debido a colisiones violentas o procesos físicos que aún no han sido catalogados por la ciencia. Estos descubrimientos son fundamentales para entender cómo evolucionan las galaxias tras encuentros gravitatorios cercanos.
Galaxia anular por colisión. Esta estructura poco común presenta un anillo luminoso de formación estelar que rodea un disco tras un impacto directo. Este fenómeno ocurre cuando una galaxia atraviesa el centro de otra, creando ondas gravitatorias circulares masivas.
Sistema de galaxias en proceso de fusión. Un conjunto de cuerpos celestes interactúa gravitacionalmente, mostrando colas de marea y discos deformados por la atracción mutua. Con el tiempo, estos objetos perderán su forma individual para llegar a ser una sola galaxia elíptica.
Objeto astronómico de clasificación desconocida. Este descubrimiento muestra un núcleo compacto rodeado por dos lóbulos abiertos, presentando una estructura de dos polos que tiende a desafiar los catálogos actuales. Su naturaleza exacta sigue siendo un misterio para los investigadores responsables del hallazgo por IA.
.
