Un proceso totalmente automatizado, que incluye una nueva herramienta de inteligencia artificial (IA), ha detectado, identificado y clasificado con éxito su primera supernova. Desarrollado por una colaboración internacional liderada por la Universidad Northwestern, el nuevo sistema automatiza toda la búsqueda de nuevas supernovas en el cielo nocturno, eliminando efectivamente a los humanos del proceso. Esto no sólo acelera rápidamente el proceso de análisis y clasificación de nuevos candidatos a supernova, sino que también evita el error humano.
El equipo alertó esta semana a la comunidad astronómica sobre el lanzamiento y el éxito de la nueva herramienta, llamada Bright Transient Survey Bot (BTSbot). En los últimos seis años, los humanos han pasado un total estimado de 2.200 horas inspeccionando y clasificando visualmente candidatos a supernovas. Con la nueva herramienta ahora oficialmente en línea, los investigadores pueden redirigir este precioso tiempo hacia otras responsabilidades para acelerar el ritmo del descubrimiento.
“Por primera vez, una serie de robots y algoritmos de IA observaron, luego identificaron y luego se comunicaron con otro telescopio para finalmente confirmar el descubrimiento de una supernova”, dijo Adam Miller de Northwestern, quien dirigió el trabajo. “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, eliminar a los humanos del circuito proporciona más tiempo para que el equipo de investigación analice sus observaciones y desarrolle nuevas hipótesis para explicar el origen. de las explosiones cósmicas que observamos.”
“Logramos la primera detección, identificación y clasificación totalmente automática de una supernova en el mundo”, añadió Nabeel Rehemtulla de Northwestern, quien codirigió el desarrollo tecnológico con Miller. “Esto agiliza significativamente los grandes estudios de supernovas, ayudándonos a comprender mejor los ciclos de vida de las estrellas y el origen de los elementos que crean las supernovas, como el carbono, el hierro y el oro”.
Miller es profesor asistente de física y astronomía en la Facultad de Artes y Ciencias Weinberg de Northwestern y miembro del Centro de Exploración e Investigación Interdisciplinaria en Astrofísica (CIERA). Rehemtulla es un estudiante de posgrado en astronomía en el grupo de investigación de Miller.
Eliminando al intermediario
Para detectar y analizar supernovas, los humanos actualmente trabajamos de la mano de sistemas robóticos. Primero, los telescopios robóticos toman imágenes repetidamente de las mismas secciones del cielo nocturno, buscando nuevas fuentes que no estaban presentes en imágenes anteriores. Luego, cuando estos telescopios detectan algo nuevo, los humanos toman el control.
“El software automatizado presenta una lista de explosiones candidatas a los humanos, quienes dedican tiempo a verificar las candidatas y ejecutar observaciones espectroscópicas”, dijo Miller. “Sólo podemos saber definitivamente que una candidata es verdaderamente una supernova al recolectar su espectro: la luz dispersa de la fuente, que revela los elementos presentes en la explosión. Existen telescopios robóticos que pueden recolectar espectros, pero esto también lo hacen a menudo humanos que operan telescopios con espectrógrafos”.
Los investigadores desarrollaron el BTSbot para eliminar a este intermediario humano. Para desarrollar la herramienta de inteligencia artificial, Rehemtulla entrenó un algoritmo de aprendizaje automático con más de 1,4 millones de imágenes históricas de casi 16.000 fuentes, incluidas supernovas confirmadas, estrellas en llamas temporales, estrellas periódicamente variables y galaxias en llamas.
“La instalación transitoria de Zwicky (ZTF) ha estado funcionando durante los últimos seis años y, durante ese tiempo, yo y otros hemos pasado más de 2.000 horas inspeccionando visualmente candidatos y determinando cuáles observar con espectroscopia”, dijo Christoffer Fremling, un astrónomo en el Instituto de Tecnología de California (Caltech), quien desarrolló otra herramienta de inteligencia artificial llamada SNIascore y contribuyó al desarrollo de BTSbot. “Agregar BTSbot a nuestro flujo de trabajo eliminará la necesidad de dedicar tiempo a inspeccionar a estos candidatos”.
Éxito temprano y una ola de alivio
Para probar el BTSbot, los investigadores observaron una candidata a supernova recientemente descubierta denominada SN2023tyk. El ZTF, un observatorio robótico que toma imágenes del cielo nocturno en busca de supernovas, detectó por primera vez la fuente el 3 de octubre. Examinando los datos del ZTF en tiempo real, BTSbot encontró SN2023tyk el 5 de octubre.
A partir de ahí, BTSbot solicitó automáticamente el espectro de la supernova potencial al Observatorio Palomar, donde otro telescopio robótico (SED Machine) realizó observaciones en profundidad para obtener el espectro de la fuente. Luego, la máquina SED envió este espectro al SNIascore de Caltech para determinar el tipo de supernova: ya sea una explosión termonuclear de una enana blanca o el colapso del núcleo de una estrella masiva.
Después de determinar que la candidata era una supernova de Tipo Ia (una explosión estelar en la que una enana blanca en un sistema estelar binario explota por completo), el sistema automatizado compartió públicamente el descubrimiento con la comunidad astronómica el 7 de octubre. En los primeros días de funcionamiento de BTSbot, Rehemtulla sintió una mezcla de nervios y emoción.
“El rendimiento simulado fue excelente, pero nunca sabes realmente cómo se traduce eso en el mundo real hasta que lo pruebas”, dijo. “Una vez que llegaron las observaciones de SEDM y la clasificación automatizada de SNIascore, sentimos una gran ola de alivio. Lo bueno de esto es que, una vez que todo está encendido y funcionando correctamente, en realidad no hacemos nada. Vamos a dormimos por la noche y, por la mañana, vemos que BTSbot y estas otras IA hacen su trabajo inquebrantablemente”.
Dirigida por Northwestern, la colaboración incluyó a astrónomos de Caltech, la Universidad de Minnesota, la Universidad John Moores de Liverpool en Inglaterra y la Universidad de Estocolmo en Suecia.
Fuente: Phys.org.