14 de septiembre de 2024

SOLUCIONES

Crean «cerebro artificial» para identificar galaxias donde nacen nuevas supernovas

Imagen obtenida por el telescopio espacial Hubble de la supernova 1994D (abajo a la izquierda) en la galaxia NGC 4526. Crédito: NASA/ESA, The Hubble Key Project Team y The High-Z Supernova Search Team.Proceso de preparación del conjunto de entrenamiento. Crédito: ALeRCEDiagrama de la arquitectura de DELIGHT. Crédito: ALeRCE.

SOLUCIONES.- Se trata de una «red neuronal» y digital que permitirá conocer características de nuevas supernovas con alta precisión, identificando rápidamente a su galaxia anfitriona.

 

 

TEMAS DE ACTUALIDAD.- El equipo de ALeRCE, bróker astronómico chileno impulsado por el Centro de Modelamiento Matemático (CMM) de la Universidad de Chile, el Instituto Milenio de Astrofísica (MAS), el Data Observatory y la Universidad de Concepción, desarrolló DELIGHT, una red neuronal artificial, que combina fotografía digital y computación, y que permite identificar automáticamente las galaxias donde ocurren nuevas supernovas en el cielo y con ello determinar la distancia a la supernova con una alta precisión.

 

 

Explica sobre esta innovación Francisco Förster, director de ALeRCE e investigador del Centro de Modelamiento Matemático de la Universidad de Chile: “DELIGHT fue diseñado para funcionar muy rápidamente, utilizando imágenes de archivo multi resolución del cielo para lograr una descarga más rápida, pensando en su aplicación de forma masiva en los futuros telescopios de survey”.

Las supernovas o explosiones estelares que se producen al final de la vida de cierto tipo de estrellas son uno de los objetos astronómicos que más han interesado a científicos y científicas de todo el mundo. La razón de ello es que estos fenómenos tienen gran importancia en diversos campos de estudio de la astronomía. No solo son útiles como grandes laboratorios de astrofísica estelar, ya que al explotar siembran el espacio con distintos elementos químicos, sino que también sirven para medir distancias cosmológicas y entender la composición química de las galaxias que las albergan.

Sin embargo, como en muchas áreas de la astronomía, la gran cantidad de datos que producen nuevos y modernos instrumentos puede hacer que su detección sea como encontrar una aguja en un pajar. Por esta razón, el desarrollo de herramientas computacionales es fundamental a la hora de analizar y seguir aprovechando la información que nos entregan.

 

fullerton.alzaisapres@gmail.com
fullerton.alzaisapres@gmail.com

 

 

SOLUCIONES DE UNA RED NEURONAL ARTIFICIAL

Proceso de preparación del conjunto de entrenamiento. Crédito: ALeRCE
Proceso de preparación del conjunto de entrenamiento. Crédito: ALeRCE

Según explica Förster, DELIGHT “funciona en base a una red neuronal artificial que recibe como entrada la posición en el cielo del candidato a supernova y que retorna la posición más probable de su galaxia”. El sistema entrega respuesta a un problema astrofísico importante de ser resuelto debido a las dificultades que se presentan por las distintas escalas y formas que tienen las galaxias.

“DELIGHT fue diseñado para funcionar muy rápidamente, utilizando imágenes de archivo multi resolución del cielo para lograr una descarga más rápida, pensando en su aplicación de forma masiva en los futuros telescopios de survey. Es una herramienta que puede utilizar toda la comunidad que haga investigación sobre supernovas o transientes, en general, y en particular a quienes quieran trabajar con grandes muestras de estos eventos”, comenta el investigador.

 

 

¿CÓMO FUNCIONA?

Diagrama de la arquitectura de DELIGHT. Crédito: ALeRCE.
Diagrama de la arquitectura de DELIGHT. Crédito: ALeRCE.

Basándose en el sistema visual de los animales, los expertos de ALeRCE crearon una red neuronal que fue entrenada con más de 16 mil ejemplos que el equipo ha identificado manualmente al reportar de forma diaria nuevos candidatos a transientes en el Transient Name Server, herramienta oficial de la Unión Astronómica Internacional para comunicar nuevos objetos de este tipo.

De acuerdo a Förster, este entrenamiento se realizó usando las librerías Tensorflow y Ray Tune, utilizando tarjetas GPU propias, obtenidas gracias al proyecto de infraestructura de los fondos Quimal de la Agencia Nacional de Investigación y Desarrollo, que ALeRCE se adjudicó a través del MAS en 2019.

“Esta herramienta tiene un gran potencial para acelerar el proceso de detección y caracterización de nuevas supernovas en grandes muestras de estos objetos¨, dijo Förster.

El científico añadió que «de hecho, ya está siendo de gran ayuda para la selección de galaxias anfitrionas diariamente, permitiéndonos ahorrar más de 30 minutos diariamente en el proceso de selección de galaxias de candidatos detectados por ALeRCE en el stream del ZTF (Zwicky Transient Facility)».

 «También hemos encontrado otros usos. Agregando información provista por DELIGHT, podemos detectar automáticamente y con más precisión eventos de destrucción de marea, que ocurren cuando una estrella se acerca a un agujero negro y es destruida por fuerzas de marea”, concluyó el astrónomo.

 

 

¿Te gusto lo que leíste? comparte este contenido en tus redes sociales

Facebook
Twitter
LinkedIn
WhatsApp

Noticias Relacionadas