Vea También
 |
| Imagen del espacio profundo de la galaxia donde se produjo la supernova. Crédito: Legacy Surveys / D. Lang (Perimeter Institute) para capas Legacy Surveys y unWISE / NASA/JPL-Caltech / D. Lang (Perimeter Institute). |
La primera supernova se observó, reconoció y clasificó mediante un método totalmente automatizado y sin participación humana.
Dirigido por la Universidad Northwestern, un equipo internacional de científicos ha creado una herramienta de inteligencia artificial (IA) de vanguardia conocida como Bright Transient Survey Bot (BTSbot).
Este sistema automatizado incluye telescopios robóticos que exploran el cielo nocturno en busca de nuevas supernovas. Esto no sólo acelera el examen y la categorización de posibles nuevas supernovas, sino que también elimina la posibilidad de que se produzcan errores humanos.
"Por primera vez en la historia, una serie de robots y algoritmos de IA han observado, luego identificado y después comunicado con otro telescopio para confirmar finalmente el descubrimiento de una supernova", afirma Adam Miller, que dirigió el trabajo.
El comunicado oficial señala que los humanos han dedicado aproximadamente 2.200 horas a evaluar visualmente y clasificar candidatas a supernova utilizando la Zwicky Transient Facility (ZTF) durante los últimos seis años.
"Esto representa un importante paso adelante, ya que un mayor perfeccionamiento de los modelos permitirá a los robots aislar subtipos específicos de explosiones estelares. En última instancia, retirar a los humanos del bucle proporciona más tiempo al equipo de investigación para analizar sus observaciones y desarrollar nuevas hipótesis que expliquen el origen de las explosiones cósmicas que observamos", añadió Miller.
BTSbot se entrenó mediante un algoritmo de aprendizaje automático que utilizó más de 1,4 millones de imágenes de casi 16.000 fuentes. Este conjunto de datos incluía supernovas confirmadas, estrellas con brillo momentáneo, estrellas variables periódicamente y galaxias con actividad de llamaradas.
 |
| Imagen del antes (izquierda) y el después de la galaxia donde se produjo SN2023tyk. La región superior izquierda de la galaxia (derecha) aparece bulbosa y deformada, donde explotó la estrella. Crédito: Legacy Surveys / D. Lang (Perimeter Institute) para las capas Legacy Surveys y unWISE / NASA/JPL-Caltech / D. Lang (Perimeter Institute) |
La nueva técnica de IA descubrió SN2023tyk, una nueva candidata a supernova.
Esta candidata fue detectada por primera vez el 3 de octubre por ZTF, un sistema robótico de observación del cielo dedicado a la búsqueda de supernovas. El 5 de octubre, BTSbot identificó SN2023tyk como candidata a supernova mientras analizaba los datos en tiempo real de ZTF.
Poco después, BTSbot solicitó de forma autónoma el espectro de la posible supernova al Observatorio Palomar. Otro telescopio robótico, la Máquina SED, realizó observaciones exhaustivas para adquirir el espectro de la candidata.
A continuación, el espectro de la SED Machine se envió al SNIascore de Caltech para determinar el tipo de supernova. Según los resultados, se trataba de una supernova de tipo Ia, una explosión de una estrella enana blanca.
El sistema automático anunció formalmente el hallazgo a la comunidad astronómica el 7 de octubre.
En cuanto a la importancia de esta nueva herramienta de IA, Nabeel Rehemtulla, que codirigió el desarrollo de la tecnología, declaró: "Esto agiliza significativamente los grandes estudios de supernovas, ayudándonos a comprender mejor los ciclos vitales de las estrellas y el origen de los elementos que crean las supernovas, como el carbono, el hierro y el oro".
Normalmente, los científicos trabajan en estrecha colaboración con sistemas robóticos para detectar y analizar las supernovas, un proceso intrínsecamente laborioso y que requiere mucho tiempo.
Este proceso comprende múltiples pasos. Los telescopios robóticos seleccionan primero las posibles candidatas y luego intervienen los humanos. Éstos invierten su tiempo en confirmar estas candidatas y realizar mediciones espectroscópicas.
"Añadir el BTSbot a nuestro flujo de trabajo nos evitará tener que dedicar tiempo a inspeccionar estos candidatos", afirma Christoffer Fremling, astrónomo del Instituto Tecnológico de California (Caltech).
Fuentes, créditos y referencias: