Unos astrónomos han adiestrado con millones de simulaciones digitales a una inteligencia artificial basada en una red neural para que se convierta en una experta en agujeros negros y extraiga información nueva de un conjunto enorme de observaciones del cual buena parte aún no ha podido ser descifrada por humanos.
La iniciativa es obra de un equipo encabezado por Michael Janssen, de la Universidad Radboud de Nimega en los Países Bajos, y los primeros resultados se han traducido ya en tres estudios publicados en un número reciente de la revista académica Astronomy & Astrophysics.
Las simulaciones con las que se entrenó a la inteligencia artificial fueron generadas con la ayuda del CHTC (Center for High Throughput Computing), un centro mixto del Instituto Morgridge de Investigación y la Universidad de Wisconsin-Madison, en Estados Unidos todas estas entidades.
En 2019, la Colaboración del EHT (Event Horizon Telescope, o Telescopio del Horizonte de Sucesos) publicó la primera imagen directa de un agujero negro supermasivo en el centro de la galaxia M87. En 2022, presentaron otra espectacular imagen, en este caso de Sagitario A*, el agujero negro que reside en el centro de nuestra galaxia la Vía Láctea. Sin embargo, los datos que acompañaban a las imágenes aún contenían una gran cantidad de información difícil de descifrar. Aquí es donde entra en escena la nueva inteligencia artificial.
Gracias al trabajo realizado, los investigadores ahora sospechan que el agujero negro en el centro de la Vía Láctea gira casi a la velocidad máxima que las leyes de la física permiten. Asimismo, se ha determinado que las emisiones provenientes de las inmediaciones del agujero negro se deben principalmente a electrones en el disco de acreción circundante y no a un chorro polar. Además, todo apunta ahora a que los campos magnéticos en el disco de acreción se comportan de manera diferente a como lo pronosticaban las teorías habituales sobre dichos discos.
Los tres estudios publicados en la revista académica Astronomy and Astrophysics se titulan: “Deep learning inference with the Event Horizon Telescope I: Calibration improvements and a comprehensive synthetic data library”, Deep learning inference with the Event Horizon Telescope II: The Zingularity framework for Bayesian artificial neural networks” y “Deep learning inference with the Event Horizon Telescope III: Zingularity results from the 2017 observations and predictions for future array expansions”. (Fuente: NCYT de Amazings)
Fuente: noticiasdelaciencia.com