Una herramienta de IA encuentra supernovas en un cielo lleno de ruido

Una nueva herramienta de la Universidad de Oxford basada en IA filtra miles de alertas para identificar las pocas señales genuinas causadas por supernovas y reduciendo un 85% la carga de trabajo en la tarea.

La investigadora principal, la astrofísica Héloïse Stevance, comenta: "Lo sorprendente es la poca cantidad de datos que se requirió. Con tan solo 15.000 ejemplos y la potencia de cálculo de mi portátil, pude entrenar algoritmos inteligentes para que hicieran el trabajo pesado y automatizaran lo que antes le tomaba horas a un ser humano al día. Esto demuestra que, con la guía de expertos, la IA puede transformar los descubrimientos astronómicos sin necesidad de enormes conjuntos de datos ni gran potencia de cálculo".

Las supernovas son explosiones brillantes y poco frecuentes que marcan la muerte de estrellas masivas; eventos que ayudan a los científicos a comprender el origen de los elementos químicos. Estas explosiones aparecen inesperadamente en el cielo nocturno y deben detectarse rápidamente antes de que se desvanezcan; en esencia, un juego cósmico de encontrar la diferencia.

Un equipo de investigadores, liderado por la Universidad de Oxford y la Universidad Queen's de Belfast (Irlanda del Norte), busca estas explosiones utilizando el Sistema de Última Alerta de Impacto Terrestre de Asteroides (ATLAS). Este sistema, originalmente diseñado como un sistema de alerta temprana de impacto de asteroides, escanea todo el cielo visible cada 24 a 48 horas utilizando cinco telescopios ubicados en todo el mundo.

Es un proyecto financiado por la NASA y liderado por la Universidad de Hawái (Hawái), y Oxford procesa los datos para detectar explosiones de alta intensidad más allá de nuestra galaxia. La búsqueda genera millones de alertas potenciales cada noche, la mayoría de las cuales son ruido (ya sea errores instrumentales u objetos conocidos).

Incluso tras aplicar técnicas de filtrado estándar y análisis automatizado de imágenes, los investigadores obtuvieron entre 200 y 400 señales candidatas diarias que debían examinarse manualmente. Solo unas pocas serían fenómenos realmente interesantes, como supernovas o transitorios extragalácticos (la contraparte óptica de los estallidos de rayos gamma).

"Esta verificación manual tomaría varias horas al día", añade la doctora Stevance. "Gracias a nuestra nueva herramienta, podemos liberar tiempo de los científicos para lo que mejor saben hacer: resolver problemas de forma creativa y cuestionar la naturaleza de nuestro universo".

La nueva herramienta, denominada Asistente Virtual de Investigación (VRA), consiste en un conjunto de bots automatizados que imitan el proceso de toma de decisiones humano, clasificando las alertas según su probabilidad de ser explosiones extragalácticas reales. A diferencia de muchos enfoques automatizados con IA que requieren grandes cantidades de datos de entrenamiento y supercomputadoras, el VRA utiliza un enfoque más ágil.

En lugar de métodos de aprendizaje profundo que requieren un gran volumen de datos, el sistema utiliza algoritmos más pequeños basados en árboles de decisión que buscan patrones en aspectos específicos de los datos. Esto permite a los científicos aplicar su experiencia directamente al modelo y guiar los algoritmos hacia las características clave que deben buscarse.

Fundamentalmente, el VRA actualiza su evaluación cada vez que un telescopio vuelve a visitar la misma zona del cielo. Esto significa que la señal se revisa y califica automáticamente durante varias noches, y solo los candidatos más prometedores se pasan a astrónomos humanos para su revisión.

Durante su primer año de uso, el VRA filtró con éxito más de 30.000 alertas, pasando por alto menos del 0,08% de las alertas de supernovas reales. Esto redujo en aproximadamente un 85% el número de alertas enviadas a observadores humanos para su verificación, a la vez que retuvo más del 99,9% de las candidatas a supernovas genuinas.

Desde diciembre de 2024, el VRA está conectado al Telescopio Lesedi sudafricano para que pueda activar automáticamente observaciones de seguimiento de las señales más prometedoras, incluso antes de que un humano haya revisado los datos. Esto ya ha permitido confirmar nuevas supernovas.

El profesor Stephen Smartt (Departamento de Física de la Universidad de Oxford), coautor del estudio, apunta: "La velocidad y precisión de esta herramienta potenciarán la capacidad de nuestro equipo para detectar y estudiar fenómenos extraños y raros en el cosmos, como las explosiones de estrellas moribundas en galaxias distantes, que pueden enseñarnos cómo se crean los elementos químicos y la velocidad de expansión del universo. También podremos correlacionar de forma más eficiente las fuentes ópticas con las emisiones en rayos gamma, rayos X y radiofrecuencias, y posiblemente con las ondas gravitacionales. La velocidad y precisión de los modelos son impresionantes".