Mirar al cielo es uno de esos ejercicios de fascinación que está grabado a fuego en nuestro imaginario colectivo. También, una forma de devolvernos la humildad ante la inmensidad del espacio, el hacernos conscientes de que apenas somos una mota de polvo en un universo tan amplio que no podemos llegar a alcanzar.
Eso para el común de los mortales, pero los ojos expertos pueden ver más allá. Por ejemplo, identificando a simple vista los distintos tipos de galaxias que hay en el espacio: las galaxias espirales, que tienen un disco giratorio donde nacen nuevas estrellas, y elípticas, que son las galaxias más masivas del universo, compuestas de estrellas antiguas que realizan movimientos aleatorios
Parece una actividad sencilla para aquel que conozca los detalles de su morfología, pero hay dos retos que traen de cabeza a los científicos desde hace décadas. El primero, hay tantas galaxias por clasificar que resulta extraordinariamente complicado hacerlo a mano. Y, el segundo, que las galaxias situadas a mayor distancia parecen más débiles y más pequeñas, así que las imágenes suelen tener mucho ruido.
Un problema ante el que investigadores del CSIC se han arremangado para encontrar una solución, llegada con la ayuda de la inteligencia artificial. ¿El resultado? El mayor catálogo de clasificación morfológica de galaxias hasta la fecha, con 27 millones de galaxias.
Algunas de las galaxias incluidas en el catálogo se encuentran a una distancia de hasta 8 giga-años (Ga), es decir, 8.000 millones de años. O lo que es lo mismo: el catálogo permite tener una visión aproximada de cómo eran las galaxias cuando el universo tenía la mitad de su edad actual.
Cómo funciona
Para lograr este hito, los científicos han utilizado los datos de la Exploración de Energía Oscura (Dark Energy Survey, DES) –que catalogó cientos de millones de galaxias distantes durante seis años– y un algoritmo de aprendizaje automático con hasta un 97% de precisión para aprender a clasificar las galaxias en dos tipos de morfologías, incluso las galaxias más débiles y lejanas.
Según han detallado los investigadores en Monthly Notices of the Royal Astronomical Society (MNRAS), el proceso comenzó degradando las imágenes de alta calidad de las galaxias locales hasta obtener la apariencia que tendrían si estuvieran más distantes.
Luego introdujeron las etiquetas correctas para entrenar una red neuronal convolucional. Se trata de un tipo de inteligencia artificial que puede recibir una imagen de entrada y asignarles una etiqueta a distintos aspectos de dicha imagen y diferenciarlos entre sí.
“Este trabajo demuestra que las máquinas son capaces de recuperar imágenes que el ojo humano no puede captar y que tienen capacidad para distinguir las señales útiles del ruido cuando se entrenan con las etiquetas correctas. Por lo tanto, pueden clasificar de forma fiable imágenes de galaxias más débiles”, explica la investigadora Helena Domínguez, del Instituto de Ciencias del Espacio.