Barcelona. – Una investigación internacional liderada por el Instituto de Ciencias del Cosmos de la Universidad de Barcelona (ICCUB) ha desarrollado un método de inteligencia artificial (IA) que permite medir la expansión del universo con la precisión de un espectrógrafo, únicamente analizando imágenes de supernovas de tipo IA.
Publicado en la revista Nature Astronomy, el estudio aborda de manera integral dichas supernovas —muertes explosivas de las estrellas enanas blancas—, cuyo brillo usan los científicos para calcular las distancias cósmicas.
- Sin embargo, la intensidad de su luz depende de las galaxias en las que explotan, algo que hasta ahora limitaba la precisión con la que se medían las distancias.
Cómo funciona CIGaRS
El nuevo sistema, llamado CIGaRS, analiza la explosión, las galaxias, el polvo y el enrojecimiento de la luz, la frecuencia con la que se producen las supernovas, el entorno galáctico y el enrojecimiento de la luz, vinculando todos los elementos física y estadísticamente.
Para que esto sea viable a nivel de computación, el equipo ha utilizado un conjunto de técnicas conocidas como inferencia basada en la simulación, que permite analizar decenas de miles de supernovas a la vez.
Concretamente, los científicos simulan muchos universos utilizando modelos físicos y, después, una red neuronal —un tipo de IA— aprende cómo los datos se relacionan con los parámetros físicos subyacentes.
Impacto en cosmología
La gran aportación del método es su capacidad para estimar distancias con una precisión comparable a la de las medidas espectroscópicas, pero prescindiendo de la necesidad de obtener espectros de luz.
Dicha innovación resulta estratégica para el futuro Observatorio Vera C. Rubin en Chile, que detectará millones de candidatos a supernovas, de los cuales solo una mínima fracción podrá ser analizada con métodos tradicionales.
Nuestro enfoque de inferencia basado en simulaciones integrales sin compromisos es excepcionalmente capaz de extraer la información cosmológica y astrofísica completa de los datos obtenidos con esfuerzo por el Observatorio Rubin, evitando al mismo tiempo sesgos de selección y modelización», apunta el autor principal, Konstantin Karchev.
Además de mejorar la medición de la energía oscura, el modelo aporta claves sobre el origen de las supernovas al reconstruir su tasa de aparición en función de la edad de las estrellas.
Según los investigadores, este avance podría cuadruplicar la precisión de los resultados cosmológicos actuales al superar las limitaciones de los análisis que dependen de subconjuntos de datos más pequeños.