Tecno

Opportunity estaría orgulloso: Inteligencia Artificial para explorar el espacio

Exponemos la nueva plataforma de Inteligencia Artificial creada por un grupo de astrónomos, con el objetivo de facilitar la exploración y comprensión del espacio.

single-image

En febrero de 2019 cubrimos la noticia sobre el pequeño robot que desafío al mundo, demostrando sus capacidades para cumplir su misión, incluso superándola, siendo Opportunity. Recordamos este suceso por el tema que buscaremos tratar hoy, siendo la exploración del hombre por el espacio, utilizando como herramienta la tecnología, solo que esta vez no será con robótica, sino con Inteligencia Artificial.

Hay luces brillantes en todo el universo donde las galaxias se estrellan juntas. Y hay puntos brillantes en todo el universo, particularmente en el universo muy distante, donde las galaxias están produciendo estrellas a velocidades inusuales. Ahora, un equipo de astrónomos tiene una nueva forma de distinguirlos.

Aquí está el problema: los telescopios no pueden ver partes lejanas y antiguas del universo con la suficiente claridad como para detectar las firmas habituales de la fusión de galaxias, por lo que no ha habido una buena manera de distinguir estos dos tipos de galaxias súper brillantes.

En un artículo publicado en la edición de julio de la revista Monthly Notices of the Royal Astronomical Society, los investigadores describieron un nuevo sistema para distinguir las fusiones de galaxias distantes de las galaxias distantes que brillan de manera súper brillante porque están generando cantidades inusualmente altas de nuevas estrellas.

En partes relativamente cercanas del universo, se pueden detectar fácilmente fusiones galácticas basadas en tsunamis de estrellas en sus periferias. Los largos «brazos de marea» de las estrellas se extienden lejos de los núcleos de galaxias que se han fusionado recientemente, como flechas que los identifican para los arqueólogos estelares que se desplazan por el espacio.

Pero la luz del antiguo universo ha viajado demasiado lejos y se ve demasiado borrosa para que esos patrones sean visibles. Al mismo tiempo, los primeros dos mil millones de años de la historia de nuestro universo fueron definidos por galaxias que produjeron estrellas a altas tasas que serían inusuales hoy en día. Por lo tanto, hace tiempo que no está claro qué lejanas galaxias súper brillantes que los astrónomos pueden ver en el universo temprano son el resultado de fusiones, y cuáles son tan brillantes por sí mismas.

El equipo razonó que debido a que sabemos cómo se ven las galaxias formadoras de estrellas y las fusiones galácticas de cerca, sería relativamente sencillo crear imágenes falsas y luego desenfocarlas y distorsionarlas como si la luz de esas galaxias fuera capturada desde lejos por una de las Nuestros telescopios espaciales.

Eso es exactamente lo que hizo el equipo: crear más de 1 millón de imágenes falsas del telescopio espacial Hubble y del telescopio espacial James Webb. Los astrónomos sabían cuáles eran imágenes borrosas y distantes de colisiones galácticas versus imágenes borrosas de galaxias súper brillantes y formadoras de estrellas, a pesar de que a primera vista parecían muy similares.

Entonces, los investigadores pudieron encontrar firmas sutiles que los astrónomos usan para distinguir las fusiones de galaxias de las fábricas de estrellas galácticas en el lejano y antiguo universo. Y entrenaron un algoritmo de aprendizaje automático, por sí solo, para distinguir entre imágenes de los dos tipos de galaxias.

Eso es un gran problema porque todo el universo está lleno de galaxias fusionadas, dijeron los investigadores en un comunicado: hasta el 5% de las galaxias están involucradas en fusiones en cualquier momento dado, e incluso se espera que la Vía Láctea se fusione algún día con su vecino Andrómeda.

El nuevo método tiene sus límites, escribieron los investigadores en el documento. Siempre existe el potencial de sesgo en la base de datos de simulaciones, escribieron, y en primer lugar, se trata de un ensayo y error impreciso en la generación de la base de datos. Para mejorar aún más el algoritmo de aprendizaje automático, escribieron y distinguieron las fusiones de galaxias aún más antiguas, deberán construir una base de datos mucho más grande.


Did you like this?
Tip Jean Pierre Oliveros with Cryptocurrency

Donate Bitcoin to Jean Pierre Oliveros

Scan to Donate Bitcoin to Jean Pierre Oliveros
Scan the QR code or copy the address below into your wallet to send some bitcoin:

Donate Bitcoin Cash to Jean Pierre Oliveros

Scan to Donate Bitcoin Cash to Jean Pierre Oliveros
Scan the QR code or copy the address below into your wallet to send bitcoin:

Donate Ethereum to Jean Pierre Oliveros

Scan to Donate Ethereum to Jean Pierre Oliveros
Scan the QR code or copy the address below into your wallet to send some Ether:

Donate Litecoin to Jean Pierre Oliveros

Scan to Donate Litecoin to Jean Pierre Oliveros
Scan the QR code or copy the address below into your wallet to send some Litecoin:

Donate Monero to Jean Pierre Oliveros

Scan to Donate Monero to Jean Pierre Oliveros
Scan the QR code or copy the address below into your wallet to send some Monero:

Donate ZCash to Jean Pierre Oliveros

Scan to Donate ZCash to Jean Pierre Oliveros
Scan the QR code or copy the address below into your wallet to send some ZCash:

The following two tabs change content below.
Avatar

Jean Pierre Oliveros

Soy estudiante de economía, interesado en la innovación y desarrollo tecnológico, siempre fiel a que mañana será un mejor día.
Avatar

Latest posts by Jean Pierre Oliveros (see all)

Deja un comentario

Loading data ...
Comparison
View chart compare
View table compare