Vea También
 |
| Esta imagen tomada por el telescopio espacial Hubble de la NASA muestra una galaxia espiral (abajo a la izquierda) frente a un gran cúmulo de galaxias. Una nueva investigación aprovechó una herramienta artificial para estimar las masas de los cúmulos de galaxias con mayor precisión. ESA/Hubble y NASA |
Saber dónde y cuánta materia hay te ayudará a comprender mejor el cosmos. Los objetos más grandes del universo son los cúmulos de galaxias, que pueden contener cientos o miles de galaxias, así como plasma, gas caliente y materia oscura. Estos elementos están unidos por la gravedad del cúmulo. Es esencial comprender estos cúmulos de galaxias para determinar el comienzo y la evolución actual del cosmos.
La masa total de un cúmulo de galaxias es posiblemente el factor más importante para definir sus características. Sin embargo, estimar esta cantidad es todo un reto porque las galaxias no pueden "pesarse" poniéndolas en una balanza. A ello se añade el hecho de que la materia oscura, que representa una parte considerable de la masa de un cúmulo, no se ve. En su lugar, deducen la masa de un cúmulo a partir de otras características medibles.
Astrofísicos del Instituto de Estudios Avanzados, el Flatiron Institute y sus asociados han desarrollado un método más preciso para determinar la masa de cúmulos galácticos gigantes utilizando inteligencia artificial. La IA descubrió que los científicos podían obtener estimaciones de masa mucho mejores de las que tenían añadiendo un simple término a una ecuación existente.
Francisco Villaescusa-Navarro, coautor del estudio e investigador científico del Centro de Astrofísica Computacional (CCA) del Flatiron Institute de Nueva York, declaró: "Es algo tan sencillo; ésa es la belleza de esto. Aunque sea tan simple, nadie antes había encontrado este término. La gente lleva décadas trabajando en esto y, aun así, no lo encontraban".
Esta nueva IA, denominada "regresión simbólica", básicamente prueba distintas combinaciones de operadores matemáticos -como la suma y la resta- con diversas variables para ver qué ecuación se ajusta mejor a los datos.
Los científicos "alimentaron" su algoritmo de IA con una simulación de vanguardia del universo que incluía varios cúmulos de galaxias. A continuación, Miles Cranmer, investigador del CCA, utilizó su programa para buscar e identificar variables adicionales que pudieran mejorar las estimaciones de masa.
Digvijay Wadekar, del Instituto de Estudios Avanzados de Princeton (Nueva Jersey), afirma: "Ahora mismo, gran parte de la comunidad de aprendizaje automático se centra en las redes neuronales profundas. Son muy potentes, pero el inconveniente es que son casi como cajas negras. No podemos entender lo que ocurre en ellas".
"En física, si algo da buenos resultados, queremos saber por qué lo hace. La regresión simbólica es beneficiosa porque busca en un conjunto de datos dado y genera expresiones matemáticas sencillas en forma de ecuaciones simples que se pueden entender. Proporciona un modelo fácilmente interpretable".
 |
| El rendimiento de la nueva ecuación de regresión simbólica se muestra en el panel central, mientras que el del método tradicional se muestra en la parte superior. El panel inferior cuantifica explícitamente la reducción en la dispersión. Crédito: Actas de la Academia Nacional de Ciencias (2023). DOI: 10.1073/pnas.2202074120 |
Al añadir un único término nuevo a la ecuación actual, el programa de regresión simbólica de los investigadores les proporcionó una nueva ecuación capaz de predecir con mayor exactitud la masa del cúmulo de galaxias. A continuación, Wadekar y sus colaboradores descubrieron una explicación física a partir de esta ecuación generada por la IA. Descubrieron que la presencia de agujeros negros supermasivos en los centros de las galaxias y otras regiones de los cúmulos de galaxias donde las inferencias de masa son menos precisas están correlacionadas.
Su nueva ecuación redujo la importancia de los núcleos intrincados en los cálculos, lo que mejoró las estimaciones de masa. El cúmulo de galaxias tiene forma de rosquilla. La nueva ecuación elimina la gelatina del centro del donut, que puede provocar mayores imprecisiones, y se centra en los bordes pastosos para obtener inferencias de masa más precisas.
Utilizando decenas de miles de universos simulados del conjunto CAMELS del CCA, los investigadores probaron la ecuación descubierta por la IA. En comparación con la ecuación empleada actualmente, descubrieron que la ecuación reducía la variabilidad en las estimaciones de la masa de los cúmulos de galaxias entre un 20 y un 30 por ciento para los cúmulos grandes.
Según Wadekar, "la nueva ecuación puede proporcionar a los astrónomos que participan en los próximos estudios sobre cúmulos galácticos una mejor comprensión de la masa de los objetos que observan". Hay bastantes sondeos dirigidos a cúmulos de galaxias [que] están previstos en un futuro próximo".
"Algunos ejemplos son el Observatorio Simons, el experimento CMB Stage 4 y un sondeo de rayos X llamado eROSITA. Las nuevas ecuaciones pueden ayudarnos a maximizar el rendimiento científico de estos sondeos."
Fuentes, créditos y referencias: