Separar las instancias de materia oscura que interactúan consigo misma de los ruidos del universo es una tarea delicada, pero ahora un investigador ha desarrollado un algoritmo que puede simplificar ese trabajo.
El algoritmo de aprendizaje profundo (así es, nominalmente es IA) es capaz de distinguir las autointeracciones de la materia oscura de la retroalimentación generada por fuentes cósmicas ruidosas, como los núcleos galácticos activos con agujeros negros supermasivos en sus núcleos. La investigación que describe el enfoque fue publicado hoy en Naturaleza Astronomía.
Materia oscura es el nombre general de aproximadamente el 27% del universo que es invisible para nosotros. En otras palabras, hay una enorme porción de materia del universo que no emite luz, lo que hace imposible que los telescopios vean directamente. Sin embargo, la materia oscura interactúa gravitacionalmente con su entorno, por lo que los investigadores pueden ver sus efectos a escalas masivas, como en los halos alrededor de las galaxias y en los llamados anillos de Einstein.
Para encontrar estas señales sutiles de la materia oscura interactuando ocasionalmente consigo misma en medio del bullicio del universo, el investigador David Harvey, astrónomo de la École Polytechnique Fédérale de Lausanne, entrenó una red neuronal convolucional con imágenes del proyecto BAHAMAS-SIDM. El proyecto “modela cúmulos de galaxias bajo diferentes escenarios de retroalimentación de materia oscura y AGN”, según un comunicado de la universidad. A medida que la red neuronal recibió imágenes de estos cúmulos de galaxias, aprendió a separar las señales asociadas con las interacciones de la materia oscura de las causadas por los núcleos galácticos.
“La información de lentes débiles diferencia principalmente la materia oscura que interactúa consigo misma, mientras que la información de rayos X desenreda diferentes modelos de retroalimentación astrofísica”, escribió Harvey en el estudio.
La red neuronal más precisa se llamó Inception. Inception alcanzó una precisión del 80% en condiciones ideales y mantuvo ese rendimiento cuando se agregó ruido de observación al sistema. Es de esperarse ruido de observación en los datos de cualquier telescopio, como el de Euclid, el telescopio espacial de 1,4 dólares de la ESA, que tomará imágenes de miles de millones de galaxias en su investigación de la materia y la energía oscuras.
“Este método representa una forma de analizar datos de los futuros telescopios que son un orden de magnitud más precisos y muchos órdenes más rápidos que los métodos actuales, lo que nos permite explorar las propiedades de la materia oscura como nunca antes”, añadió Harvey en el artículo.
Si bien todavía estamos muy lejos de identificar qué partículas o fenómenos son responsables de la materia oscura, los enfoques de la IA sobre el tema podrían acelerar los descubrimientos de los científicos sobre la naturaleza de la materia desconocida. Gracias a telescopios como Euclid, los investigadores tienen una gran cantidad de datos que examinar en su búsqueda de respuestas. Algoritmos como los que sustentan Inception pueden acelerar las investigaciones de esos datos.
