Es tarea delicada diferenciar las instancias de materia oscura en interacciones consigo misma de los ruidos y gruñidos del universo. Pero ahora un investigador desarrolló un algoritmo que tal vez simplifique el trabajo.
El algoritmo de aprendizaje profundo (sí, nominalmente es IA) es capaz de distinguir las interacciones propias de la materia oscura de la retroalimentación que generan las fuentes cósmicas ruidosas, como los núcleos galácticos activos con agujeros negros súper enormes en su centro. El estudio que describe este avance se publicó hoy en Nature Astronomy.
Se llama materia oscura a alrededor del 27% del universo que nos resulta invisible. Es decir que hay una gigantesca porción de materia del universo que no emite luz y por eso a los telescopios les es imposible verla directamente. Pero la materia oscura interactúa gravitacionalmente con su entorno, por lo que los investigadores pueden ver sus efectos a grandes escalas, como en los halos que rodean a las galaxias y en lo que se conoce como anillos de Einstein.
Núcleos galácticos activos
Para encontrar estas sutiles señales de la ocasional interacción de la materia oscura consigo misma en medio del bullicio del universo, el investigador – David Harvey, astrónomo de la École Polytechnique Fédérale de Lausanne – entrenó a una red neural convolucional de imágenes del proyecto BAHAMAS-SIDM. El proyecto “modela agrupaciones galácticas bajo diferentes escenarios de materia oscura y retroalimentación de ruido”, según un comunicado de la universidad. Al ingresar las imágenes de estas agrupaciones galácticas en la red neural, ésta aprendió a filtrar las señales asociadas con interacciones de materia oscura, diferenciándolas de las de los núcleos galácticos.
“La información de lente gravitacional débil diferencia principalmente a la materia oscura que interactúa consigo misma en tanto que la información de rayos X desenreda diferentes modelos de retroalimentación astrofísica”, escribió Harvey en el estudio.
La red neural más precisa se llamó Inception, y logró una exactitud de 80% en condiciones ideales, manteniendo ese rendimiento cuando se añadió al sistema el ruido observacional. En los datos de cualquier telescopio se espera que haya ruido observacional, como sucede con el Euclid, el telescopio espacial de la ESA de U$ 1,4, que brindará imágenes de miles de millones de galaxias al investigar la materia oscura y la energía oscura.
“Este método es una forma de analizar los datos de telescopios de una orden de magnitud más precisa y más rápidos que los métodos actuales”, añadió Harvey.
Aunque falta mucho para identificar qué partículas o fenómenos son responsables de la materia oscura, la IA puede acelerar los descubrimientos científicos sobre la naturaleza de lo que desconocemos, ya que los investigadores podrán filtrar datos para hallar respuestas.
