MADRID, 06 (SERVIMEDIA)
Un nuevo método basado en inteligencia artificial (IA) mejora el estudio de las supernovas de tipo ‘Ia’ para investigar la energía oscura y la expansión del Universo, según un trabajo con participación del Instituto de Ciencias del Cosmos de la Universidad de Barcelona (Iccub) publicado en la revista ‘Nature Astronomy’.
El estudio, dado a conocer por la Universidad de Barcelona (UB) este miércoles, presenta un marco de trabajo denominado CIGaRS, diseñado para «extraer más información de estas explosiones estelares principalmente a partir de imágenes», sin depender tanto de observaciones espectroscópicas, que son más costosas y difíciles de aplicar a grandes volúmenes de datos. Además de mejorar las medidas relacionadas con la energía oscura, el trabajo también puede aportar información sobre cómo se forman las supernovas de tipo ‘Ia’ y en qué tipos de galaxias se producen.
Según los autores, combinar modelos físicos con inteligencia artificial podría mejorar hasta en un factor de cuatro las restricciones cosmológicas respecto a métodos tradicionales basados en muestras mucho más pequeñas de supernovas observadas espectroscópicamente.
Las supernovas de tipo ‘Ia’ son explosiones de estrellas enanas blancas y resultan fundamentales para la cosmología porque se emplean como «velas estándar». Al comparar su brillo real con el brillo con el que se observan desde la Tierra, los astrónomos pueden calcular distancias cósmicas y estudiar cómo se expande el Universo, detalló la UB. Esta técnica fue clave para descubrir que la expansión del Universo se está acelerando, un fenómeno atribuido a la energía oscura. Sin embargo, el uso de estas supernovas plantea una dificultad: «No todas se comportan exactamente igual, ya que su brillo puede verse condicionado por las galaxias en las que explotan», según el citado ‘paper’.
El nuevo trabajo aborda este problema mediante un modelo integral que analiza de forma conjunta las supernovas, sus galaxias anfitrionas, el polvo que atenúa y enrojece la luz, la frecuencia con la que se producen estas explosiones a lo largo del tiempo cósmico y la propia expansión del Universo. Para hacerlo posible, el equipo recurrió a técnicas de inferencia basada en simulaciones. En la práctica, los investigadores «simulan muchos universos posibles mediante modelos físicos y después emplean una red neuronal para aprender la relación entre esos datos simulados y los parámetros cosmológicos que se quieren medir».
El investigador del Iccub Raúl Jiménez y coautor del estudio, explicó que «una forma potente de modelar el Universo es simularlo ab initio en el ordenador mediante la inferencia bayesiana». Este enfoque permite variar todos los parámetros posibles al mismo tiempo para predecir «en qué universo vivimos» y examinar posibles efectos sistemáticos desconocidos.
ESTIMAR LAS DISTANCIAS DE LA GALAXIAS
Uno de los resultados más destacados del estudio es que CIGaRS puede estimar distancias de galaxias con gran precisión utilizando solo imágenes. Esto supone una ventaja importante porque los futuros sondeos astronómicos detectarán millones de candidatas a supernovas, pero solo una pequeña parte podrá observarse mediante espectroscopia.
El marco está especialmente pensado para la próxima generación de estudios del cielo, en particular para el Observatorio Vera C. Rubin, actualmente en construcción en Chile. Este observatorio realizará un rastreo del cielo durante diez años y se espera que detecte un número sin precedentes de supernovas, de las cuales la inmensa mayoría se observará solo de forma fotométrica, es decir, mediante imágenes en distintos colores.
El autor principal del estudio, Konstantin Karchev, de la Escuela Internacional de Estudios Avanzados de Trieste, destacó que este enfoque permite extraer información cosmológica y astrofísica completa de los datos del Observatorio Rubin, al tiempo que ayuda a evitar sesgos de selección y de modelización.