Inteligencia artificial puede localizar fuentes de ondas gravitacionales en tan solo un segundo

Comparta este Artículo en:

Ahora, gracias a los avances en un enfoque de la astronomía basado en el aprendizaje automático, se pueden detectar fusiones de estrellas de neutrones en tan solo una fracción de minuto.

Un equipo de investigadores acaba de presentar una nueva forma de detectar fuentes de ondas gravitacionales que, según afirman, podría mejorar enormemente la precisión de las detecciones y acelerar la detección de estos enigmáticos eventos.

La investigación del equipo describe un algoritmo para estudiar las emisiones de ondas gravitacionales de las fusiones de estrellas de neutrones.

Una vez identificadas, los astrónomos de todo el mundo podrían recibir una notificación del evento, lo que permitiría a los expertos recopilar la mayor cantidad de información posible sobre las fugaces y misteriosas fuentes de ondas gravitacionales.

Las ondas gravitacionales son ondulaciones en el espacio-tiempo, predichas por primera vez por Einstein hace más de un siglo y observadas por primera vez en 2015 por parte de lo que ahora es la Colaboración LIGO-Virgo-KAGRA.

Las ondas gravitacionales se generan por las interacciones de algunos de los objetos más densos del universo: los agujeros negros y las estrellas de neutrones.

El algoritmo del equipo se centró en las estrellas de neutrones que forman una espiral de muerte entre sí, acercándose lentamente unas a otras hasta que se fusionan, es decir, una “fusión de estrellas de neutrones”.

La detección de las ondas gravitacionales emitidas por las estrellas de neutrones y los agujeros negros ayuda a los astrónomos a comprender la estructura de las estrellas de neutrones, el origen de algunos de los elementos pesados, a poner a prueba mejor la teoría de la relatividad general y a medir la velocidad de expansión del universo, y potencialmente a arrojar luz sobre la naturaleza de la materia oscura.

La inteligencia artificial puede acelerar el análisis de estos eventos de ondas gravitacionales y, basándose en los resultados del equipo, mejorar la precisión en la predicción de la ubicación de la fusión de la fuente.

Según el equipo, el método puede evaluar el origen de las ondas gravitacionales en tan solo un segundo, y puede servir como modelo para el análisis de datos para los detectores de ondas gravitacionales de próxima generación, como LISA.

“Una vez entrenada, cuando se realiza una nueva observación, la red neuronal puede tomar la medición como entrada y predecir las propiedades de la BNS [estrella binaria de neutrones] (incluida la localización) en un segundo”, dijo Maximilian Dax, investigador de aprendizaje automático y físico de la Universidad de Tübingen, y autor principal del estudio.

“Esto es tan rápido porque no necesitamos nuevas simulaciones de ondas gravitacionales en la inferencia”.

“Esperamos que nuestro método ayude a observar más señales electromagnéticas emitidas por fusiones de BNS, y a observarlas antes (es decir, más cerca de la fusión)”, agregó Dax.

“Estas observaciones de múltiples mensajeros son extremadamente emocionantes y son relevantes en una variedad de campos, incluida la cosmología, la física nuclear y la gravedad”.

El algoritmo del equipo es un 30% más preciso en sus resultados que las iteraciones anteriores, y puede ayudar a los astrónomos a determinar qué eventos de fusión requieren observaciones adicionales, a menudo sensibles al tiempo.

“El aprendizaje automático ha atraído mucha atención recientemente en el ámbito de la investigación de las ondas gravitacionales como una forma de mejorar o incluso reemplazar las técnicas de análisis existentes”, dijo Michael Williams, cosmólogo de la Universidad de Portsmouth en el Reino Unido.

“Sin embargo, quedan varios desafíos”, agregó Williams, que no está afiliado a la nueva investigación.

“El rendimiento de los algoritmos de aprendizaje automático depende, en general, en gran medida de su entrenamiento.

Para este algoritmo, un problema es que las propiedades del ruido real en los detectores de ondas gravitacionales varían con el tiempo de las propiedades asumidas al entrenar la red.

Esto introduce errores sistemáticos que pueden sesgar los resultados”.

La “verdadera prueba de fuego”, concluyó Williams, es si el algoritmo del equipo podrá difundir información sobre la próxima fusión de estrellas de neutrones binarias cuando ocurra.

El tiempo dirá cuán efectivo es el enfoque basado en el aprendizaje automático, pero con observatorios de última generación que entrarán en funcionamiento en el futuro cercano (quizás el más notable sea el Observatorio Vera Rubin y su cámara LSST), detectar los eventos transitorios del cosmos lo antes posible será una misión crítica.

Fuente: Nature