Físicos e informáticos de ETH Zurich han programado computadoras con herramientas de aprendizaje automático para extraer información relevante sobre materia y energía oscura de los mapas del universo.

Comprender cómo nuestro universo llegó a ser lo que es hoy y cuál será su destino final es uno de los mayores desafíos de la ciencia.

El enigma más profundo reside en lo que no podemos ver, al menos no directamente: materia oscura y energía oscura. Con la materia oscura uniendo el universo y la energía oscura haciendo que se expanda más rápido, los cosmólogos necesitan saber exactamente qué cantidad de hay de ambas para afinar sus modelos.

En ETH Zurich, los científicos del Departamento de Física y del Departamento de Ciencias de la Computación han unido fuerzas para mejorar los métodos estándar para estimar el contenido de materia oscura del universo a través de la inteligencia artificial.

Utilizaron algoritmos de aprendizaje automático de vanguardia para el análisis de datos cosmológicos que tienen mucho en común con los utilizados para el reconocimiento facial por Facebook y otras redes sociales. Sus resultados han sido publicados recientemente en la revista científica Physical Review D.

Si bien no hay rostros que se reconozcan en las imágenes tomadas del cielo nocturno, los cosmólogos buscan algo bastante similar, como explica Tomasz Kacprzak, investigador del grupo Alexandre Refregier en el Instituto de Física y Astrofísica de Partículas: sus algoritmos para encontrar ojos, bocas u oídos en imágenes; usamos los nuestros para buscar signos reveladores de materia oscura y energía oscura».

Como la materia oscura no se puede ver directamente en las imágenes del telescopio, los físicos confían en el hecho de que toda la materia, incluida la variedad oscura, se dobla ligeramente el camino de los rayos de luz que llegan a la Tierra desde galaxias distantes.

Este efecto, conocido como «lentes gravitacionales débiles», distorsiona las imágenes de esas galaxias muy sutilmente, al igual que los objetos lejanos aparecen borrosos en un día caluroso cuando la luz pasa a través de capas de aire a diferentes temperaturas.

Los cosmólogos pueden usar esa distorsión para trabajar hacia atrás y crear mapas masivos del cielo que muestren dónde se encuentra la materia oscura. Luego, comparan esos mapas de materia oscura con predicciones teóricas para encontrar qué modelo cosmológico coincide más con los datos. Tradicionalmente, esto se realiza utilizando estadísticas diseñadas por humanos, como las llamadas funciones de correlación que describen cómo se relacionan entre sí las diferentes partes de los mapas. Sin embargo, estas estadísticas están limitadas en cuanto a qué tan bien pueden encontrar patrones complejos en los mapas de materias.

«En nuestro trabajo reciente, hemos utilizado una metodología completamente nueva», dice Alexandre Refregier. «En lugar de inventar nosotros mismos el análisis estadístico apropiado, dejamos que las computadoras hagan el trabajo», añadió en un comunicado.

Los resultados de esa capacitación fueron alentadores: las redes neuronales obtuvieron valores 30% más precisos que los obtenidos por métodos tradicionales basados en análisis estadísticos hechos por el hombre. Para los cosmólogos, eso es una gran mejora, ya que alcanzar la misma precisión al aumentar el número de imágenes del telescopio requeriría el doble de tiempo de observación, lo cual es costoso.

Fuente: EP