La IA silencia el ruido para buscar ondas gravitacionales

La Inteligencia Artificial ha hecho posible eliminar el ruido no deseado en el observatorio de ondas gravitacionales LIGO y poder así detectar más fusiones de agujeros negros en el universo.

El nuevo algotirmo, denominado Deep Loop Shaping, ha sido presentado en la revista Science por un equipo de investigadores de Caltech, el Instituto de Ciencias Gran Sasso (Italia) y Google DeepMind.

LIGO, el Observatorio de Ondas Gravitacionales por Interferometría Láser, ha sido calificado como el instrumento más preciso del mundo por su capacidad para medir movimientos más de 10.000 veces menores que la anchura de un protón. Compuesto por dos instalaciones (una en Washington y otra en Luisiana), ya ha logrado detectar ondulaciones en el espacio-tiempo, llamadas ondas gravitacionales, que se propagan desde cuerpos cósmicos en colisión, como los agujeros negros.

De hecho, LIGO marcó el comienzo de la astronomía de ondas gravitacionales en 2015, al detectar directamente por primera vez estas ondas, un descubrimiento que posteriormente les valió a tres de sus fundadores el Premio Nobel de Física en 2017. Las mejoras en los interferómetros de LIGO permiten detectar ahora un promedio de una fusión de agujeros negros cada tres días durante su ciclo de vida actual. Junto con sus socios, el detector de ondas gravitacionales Virgo en Italia y KAGRA en Japón, el observatorio ha detectado cientos de candidatos a fusiones de agujeros negros, además de varios que involucran al menos una estrella de neutrones.

Ahora, los investigadores buscan mejorar aún más las capacidades de LIGO para detectar una mayor variedad de fusiones de agujeros negros, incluyendo fusiones más masivas que podrían pertenecer a una hipotética clase de masa intermedia que une los agujeros negros de masa estelar con los agujeros negros supermasivos mucho más grandes que residen en el centro de las galaxias. Estos avances también facilitarían a LIGO la detección de agujeros negros con órbitas excéntricas u oblongas, así como la detección de fusiones en las primeras etapas del proceso de coalescencia, cuando los cuerpos densos se aproximan en espiral.

Así, gracias a Deep Loop Shaping, han logrado silenciar el ruido de los detectores de LIGO. Para los científicos, el término 'ruido' puede referirse a cualquier cantidad de molestas perturbaciones de fondo que interfieren con la recopilación de datos. El ruido puede ser literal, como en las ondas sonoras, pero en el caso de LIGO, el término suele referirse a una ínfima vibración en los espejos gigantes en el núcleo de LIGO. Una vibración excesiva puede enmascarar las señales de ondas gravitacionales.

"Ya estábamos a la vanguardia de la innovación, realizando las mediciones más precisas del mundo, pero con la IA, podemos optimizar el rendimiento de LIGO para detectar agujeros negros más grandes", detalla en un comunicado la coautora Rana Adhikari, profesora de física en Caltech. "Esta tecnología nos ayudará no solo a mejorar LIGO, sino también a construir detectores de ondas gravitacionales de nueva generación, aún más grandes".

Este enfoque también podría mejorar las tecnologías que utilizan sistemas de control. "En el futuro, el Deep Loop Shaping podría aplicarse a muchos otros problemas de ingeniería relacionados con la supresión de vibraciones, la cancelación de ruido y sistemas altamente dinámicos o inestables, importantes en la industria aeroespacial, la robótica y la ingeniería estructural", escriben los coautores del estudio, Brendan Tracey y Jonas Buchli, ingeniero y científico, respectivamente, de Google DeepMind, en una entrada de blog sobre el estudio.

Hace unos cuatro años, Jan Harms, exprofesor asistente de investigación de Caltech y actual profesor del Instituto de Ciencias Gran Sasso, contactó con expertos de Google DeepMind para ver si podían ayudar a desarrollar un método de IA que permitiera controlar mejor las vibraciones en los espejos de LIGO. En ese momento, Adhikari se involucró y los investigadores comenzaron a trabajar con Google DeepMind para probar diferentes métodos de IA. Finalmente, utilizaron una técnica llamada aprendizaje por refuerzo, que básicamente enseñó al algoritmo de IA cómo controlar mejor el ruido.

"Este método requiere mucho entrenamiento", comenta Adhikari. "Nosotros proporcionamos los datos de entrenamiento y Google DeepMind ejecutó las simulaciones. Básicamente, ejecutaron docenas de simulaciones de LIGO en paralelo. El entrenamiento es como jugar a un juego: se obtienen puntos por reducir el ruido y penalizaciones por aumentarlo. Los jugadores que lo consiguen siguen intentando ganar el juego de LIGO. El resultado es magnífico: el algoritmo suprime el ruido del espejo".

"Creemos que esta investigación inspirará a más estudiantes a querer trabajar en LIGO y formar parte de esta notable innovación", agrega Adhikari. "Estamos a la vanguardia de lo que es posible en la medición de distancias cuánticas diminutas".

Hasta ahora, el nuevo método de IA se ha probado en LIGO durante tan solo una hora para demostrar su eficacia. El equipo espera realizar pruebas de mayor duración y, finalmente, implementar el método en varios sistemas LIGO. "Esta herramienta cambia nuestra perspectiva sobre las capacidades de los detectores terrestres, hace que un problema increíblemente complejo sea menos abrumador", concluyen los investigadores.