La herramienta AI reduce significativamente la carga de trabajo de astrónomos en la identificación de señales de supernovas

Créditos: Phys.org

Una innovadora inteligencia artificial (IA) ha surgido de la investigación en la Universidad de Oxford, que racionaliza considerablemente el trabajo de los astrónomos mediante la automatización de señales reales de supernovas, explosiones espectaculares que marcan el fin de las estrellas sólidas. Esta herramienta innovadora ha logrado reducir la carga de trabajo de astrónomos con un impresionante 85%, para que puedan concentrarse en estudios científicos más críticos.

El investigador principal, el Dr. Héloïse Stevance, enfatizó la eficiencia de la nueva IA, llamada Asistente de Investigación Virtual (VRA). El Dr. Stevance explicó que el modelo fue entrenado con la ayuda de solo 15,000 ejemplos en su computadora portátil personal, donde la idea se invalidó de que enormes cantidades de datos y computación potente son esenciales para la IA efectiva en la astrofísica. Ella señaló: «Esto muestra que la IA puede transformar el descubrimiento astronómico con una guía de expertos sin requerir grandes conjuntos de datos o potencia informática».

Las supernovas son esenciales para nuestra comprensión de la formación de evolución cósmica y elementos químicos, pero parecen esporádicamente durante la noche del cielo nocturno y requieren una detección rápida antes de que disminuya su brillo. Tradicionalmente, identificar estos eventos raros significaba buscar manualmente cientos de señales diariamente, un proceso que consumía astrónomos durante unas pocas horas.

Con la ayuda de ATLAS (sistema de alerta de último impacto terrestre de asteroides), un esfuerzo de cooperación que se desarrolló originalmente para el monitoreo de impacto de asteroides, los investigadores escanean el cielo visible cada 24 a 48 horas. Este sistema genera millones de advertencias potenciales todas las noches, la mayoría de las cuales son causadas por errores instrumentales o cuerpos celestiales conocidos. Incluso con las técnicas iniciales de filtro que se aplicaron, los investigadores todavía se enfrentaron a la tarea desalentadora de clasificar de 200 a 400 señales todos los días para investigar más a fondo un número selecto que vale la pena investigar.

La implementación del VRA ha transformado este proceso. En lugar de confiar en los modelos de aprendizaje en profundidad intensivos en datos, VRA utiliza algoritmos de toma de decisiones más pequeños para enfatizar los patrones en los datos. Con este método, la experiencia humana puede liderar la IA, lo que fortalece su precisión en la identificación de señales reales de supernovas. El VRA evalúa y trabaja continuamente evalúa y actualiza sus evaluaciones cuando los telescopios están revisando las mismas regiones del aire, de modo que solo los candidatos más prometedores se envían a los astrónomos para la evaluación manual. En su primer año operativo, De VRA filtró con éxito más de 30,000 informes mientras conservaba una tasa de precisión excepcional, que pierde menos del 0.08% de los informes reales de Supernova.

Las capacidades de la VRA se han mejorado aún más por la colaboración con el telescopio Lesedi sudafricano, lo que permite las observaciones de seguimiento automáticas para señales prometedoras, incluso antes de la evaluación de expertos, lo que lleva a nuevas confirmaciones de los eventos de supernova.

A medida que evolucionan las encuestas astronómicas, la necesidad de SIDA como el VRA se vuelve cada vez más clara. El próximo lanzamiento de Legacy Survey of Space and Time (LSST) del Observatorio Vera Rubin (LSST) se estableció a principios de 2026 para lograr una revolución en la recopilación de datos, con predicciones de más de 10 millones de advertencias que se han generado en el curso de una década. El Dr. Stevance enfatizó que el progreso continuo, como el VRA, será de importancia fundamental en la gestión de la avalancha de datos y la optimización de la búsqueda de fenómenos cósmicos.

La comunidad de investigación sigue siendo optimista sobre el potencial futuro de esta tecnología. Con las aspiraciones de usar datos LSST para la predicción preventiva de eventos de supernova, el campo de los astrónomos está a punto de ser una transformación histórica en nuestra comprensión del universo. El Dr. Stevance expresó emoción por las contribuciones monumentales que hace posible el LSST, y promete expandir el control de la humanidad del origen cósmico y los elementos fundamentales de la naturaleza.