✨︎ Resumen (TL;DR):
- Un equipo internacional creó CIGaRS para medir la expansión del universo.
- La herramienta extrae hasta 4 veces más información de supernovas tipo Ia.
- Evita el uso de costosos datos espectroscópicos analizando fotografías simples.
Un equipo internacional de investigadores presentó CIGaRS, un sistema de inteligencia artificial que mide la expansión del universo extrayendo hasta cuatro veces más información de imágenes de supernovas. El método elimina la necesidad de recolectar datos espectroscópicos costosos.
El estudio fue publicado el 6 de mayo en la revista Nature Astronomy. Konstantin Karchev y Roberto Trotta de la Escuela Internacional de Estudios Avanzados (SISSA) en Trieste, junto con Raúl Jiménez de la Universidad de Barcelona, desarrollaron el modelo empleando redes neuronales.
La tecnología llega a tiempo para el Observatorio Vera C. Rubin en Chile, que pronto iniciará una exploración de diez años. Los astrónomos esperan detectar millones de posibles supernovas. El 99 por ciento de estos eventos se observará únicamente mediante fotografías.
“A diferencia de otros sistemas que requieren simplificaciones analíticas, nuestro enfoque de inferencia basado en simulaciones de extremo a extremo sin concesiones es excepcionalmente capaz de extraer toda la información cosmológica y astrofísica de los datos obtenidos con tanto esfuerzo por el Observatorio Rubin, evitando al mismo tiempo los errores de selección y los sesgos de modelado”, explicó Karchev.
Análisis sin espectroscopia
Las supernovas tipo Ia son explosiones estelares utilizadas como indicadores estándar para calcular distancias cósmicas. En lugar de procesar los efectos ambientales con correcciones fragmentadas, la nueva herramienta procesa múltiples variables a la vez:
- La evolución de las galaxias.
- El polvo interestelar.
- La tasa de aparición de supernovas a lo largo del tiempo cósmico.
- Las propiedades observables de las propias explosiones.
El sistema aísla las propiedades intrínsecas de las supernovas utilizando únicamente datos fotométricos. Esto ataca un problema central en la física moderna: la tensión de Hubble, el desacuerdo actual sobre la velocidad exacta a la que se expande el cosmos.
“Una forma poderosa de modelar el Universo es simularlo ab initio en la computadora usando inferencia bayesiana”, indicó Jiménez. “Esto proporciona una manera de variar todos los parámetros posibles al mismo tiempo para predecir en qué Universo vivimos”.
Los datos recientes del Dark Energy Survey sugerían que la energía oscura podría cambiar con el tiempo. Ahora, la capacidad de procesar millones de capturas con esta precisión fotométrica otorga a la comunidad científica la herramienta técnica para comprobarlo con las próximas observaciones astronómicas.
