La inteligencia artificial de la ESA descubre 1.400 objetos anómalos en imágenes del espacio
Un equipo de astrónomos de la Agencia Espacial Europea (ESA) ha desarrollado una red neuronal que busca anomalías en imágenes del espacio. Los resultados han superado con creces lo que los expertos humanos podrían haber logrado. En solo dos días y medio, ha analizado casi 100 millones de imágenes, descubriendo 1.400 objetos anómalos.
Los creadores del modelo de inteligencia artificial, David O’Ryan y Pablo Gómez, lo han llamado AnomalyMatch. Lo han entrenado y aplicado al Hubble Legacy Archive, que alberga decenas de miles de conjuntos de datos de los 35 años de historia de Hubble. La cantidad de datos es tan grande que los expertos no podrían revisarlos con el nivel de detalle necesario de manera manual, según un comunicado de la ESA.
Descubrimientos
Después de menos de tres días de escaneo, AnomalyMatch ha devuelto una lista de anomalías potenciales. Aún así, se requieren ojos humanos para confirmar los resultados: Gómez y O’Ryan han revisado los candidatos para confirmar cuáles son verdaderamente anómalos. Entre los 1.400 objetos anómalos confirmados, más de 800 no habían sido documentados previamente.
La mayoría de los resultados muestran galaxias que se fusionan o interactúan, lo que puede dar lugar a formas extrañas o colas largas de estrellas y gas. Otros son lentes gravitacionales, es decir, la gravedad de una galaxia delantera curva el espacio-tiempo de manera que la luz de una galaxia de fondo se distorsiona en un círculo o arco. Otros descubrimientos incluyen discos de formación de planetas vistos de perfil, galaxias con grandes acumulaciones de estrellas y galaxias medusa. Además, varias decenas de objetos no han podido ser clasificados.
Una herramienta poderosa
Este es un uso fantástico de la inteligencia artificial para maximizar la producción científica del archivo de Hubble, según Gómez. Encontrar tantos objetos anómalos en los datos de Hubble, donde podríamos esperar que muchos ya hubieran sido descubiertos, es un gran resultado. También muestra lo útil que será esta herramienta para otros conjuntos de datos grandes.