Un nuevo algoritmo de inteligencia artificial (IA) desarrollado por una colaboración internacional liderada por la Universidad Northwestern (EE.UU.) detectó, identificó y clasificó exitosamente la primera supernova en un proceso totalmente automatizado que excluyó la participación humana. La herramienta de aprendizaje automático, denominada Bot para Encuesta Transitoria Brillante (BTSbot, por sus siglas en inglés), fue previamente entrenada con más de 1,4 millones de imágenes históricas de 16.000 fuentes astronómicas.
Primicia astronómica mundial
BTSbot se enfocó en una candidata a supernova recientemente descubierta, la SN2023tyk, y partir de ahí solicitó automáticamente el espectro de la supernova potencial al Observatorio Palomar (EE.UU.), donde otro telescopio robótico (SED Machine) realizó observaciones en profundidad para obtener el espectro de la fuente. Luego, la máquina SED envió este espectro al SNIascore de Caltech (EE.UU.) para determinar el tipo de supernova y concretar si se trataba de una explosión termonuclear de una enana blanca o del colapso del núcleo de una estrella masiva.
Después de determinar que la candidata era una supernova de Tipo Ia (una explosión estelar en la que una enana blanca en un sistema estelar binario explota por completo), el sistema automatizado hizo público el descubrimiento dos días después de iniciar el proceso. El astrónomo de Northwestern que codirigió la investigación, Nabeel Rehemtulla, agregó que el equipo logró "la primera detección, identificación y clasificación totalmente automática del mundo de una supernova".
"Por primera vez, una serie de robots y algoritmos de IA observaron, luego identificaron y luego se comunicaron con otro telescopio para finalmente confirmar el descubrimiento de una supernova", comentó Adam Miller de Northwestern, quien dirigió la investigación. "Esto representa un importante paso adelante, ya que un mayor perfeccionamiento de los modelos permitirá a los robots aislar subtipos específicos de explosiones estelares", añadió.
Un trabajo que consume mucho tiempo humano
A pesar de que el proceso actual de inspección visual y clasificación de candidatos a supernovas involucra tanto a sistemas robóticos como a humanos, los investigadores invierten mucho tiempo en él. "El 'software' automatizado presenta una lista de explosiones candidatas a los humanos, quienes dedican tiempo a verificar las candidatas y ejecutar observaciones espectroscópicas", explicó Miller.
"La instalación transitoria de Zwicky (ZTF) ha estado funcionando durante los últimos seis años y, durante ese tiempo, yo y otros hemos pasado más de 2.000 horas inspeccionando visualmente candidatos y determinando cuáles observar con espectroscopia", puntualizó Christoffer Fremling, un astrónomo del Instituto de Tecnología de California (Caltech) que contribuyó al desarrollo de BTSbot.
Las ventajas del algoritmo de IA
Con la intervención de BTSbot se acelera el proceso de análisis, validación y clasificación y también se elimina el error humano. "En última instancia, sacar a los humanos del circuito proporciona más tiempo al equipo de investigación para analizar sus observaciones y desarrollar nuevas hipótesis para explicar el origen de las explosiones cósmicas que observamos", señaló Miller.
Rehemtulla también enfatizó que BTSbot "agiliza significativamente los grandes estudios de supernovas" y ayuda a "comprender mejor los ciclos de vida de las estrellas y el origen de los elementos que crean las supernovas, como el carbono, el hierro y el oro". "Agregar BTSbot a nuestro flujo de trabajo eliminará la necesidad de dedicar tiempo a inspeccionar a estos candidatos", abundó Fremling.
