Expertos en astronomía han desarrollado algoritmos de Inteligencia Artificial (IA) para clasificar distintos tipos de explosiones estelares, aprovechando telescopios que detectan miles de nuevos objetos celestes, gracias a dicha herramienta es posible analizar grandes cantidades de datos y seleccionar los sucesos más relevantes para seguir respondiendo preguntas fundamentales sobre el universo, afirmó Sebastián Gómez, investigador postdoctoral de la Universidad de Harvard.
Durante su conferencia magistral Exploración de eventos transitorios en la era del Big Data, realizada en la Unidad Iztapalapa de la Universidad Autónoma Metropolitana (UAM), presentó el algoritmo FLIP (Finding Luminous and Exotic Extragalactic Transients), diseñado para identificar supernovas súper luminosas de tipo I a partir de datos obtenidos por telescopios, revolucionando la forma en que se seleccionan y estudian estos fenómenos cósmicos efímeros, a fin de que los científicos reduzcan el tiempo y los recursos empleados.
Contrario a la percepción de que el universo es estático e inmutable, el doctor Gómez destacó que en realidad se encuentra en un proceso dinámico continuo; “cuando ponemos atención en los eventos transitorios, vemos que el cosmos no es estático, estas explosiones pueden durar meses, días, horas o incluso milisegundos”.
Las supernovas, producto de la muerte de una estrella, generan explosiones de gran luminosidad que desaparecen en semanas, por lo que investigarlas permite conocer la composición del objeto que estalló y también el entorno donde ocurrió.
Estas cifras ayudan a responder preguntas fundamentales sobre la formación estelar, la evolución de galaxias y el desarrollo de agujeros negros, procesos clave para comprender la historia y dinámica del cosmos.
Con el descubrimiento de aproximadamente 20,000 eventos transitorios al año, la comunidad astronómica enfrenta el reto de identificar cuáles son los más interesantes para su estudio y, en este contexto, la inteligencia artificial ha demostrado ser una herramienta crucial.
Sebastián Gómez explicó que algoritmos como FLIP y FLEET son útiles para examinar grandes volúmenes de datos y seleccionar sucesos con mayor precisión. En un programa de dos años, FLIP ayudó a descubrir casi la mitad de todas las supernovas súper luminosas identificadas en el mundo, con una efectividad del 85 por ciento, transformando en la manera en que los astrónomos pueden clasificar y priorizar eventos cósmicos en función de su relevancia científica.
