Las galaxias ‘recuerdan’ el pasado del universo, y el ‘machine learning’ lo ha visto

la memoria de las galaxias en todo el universo

Si ahora mismo nos arrancásemos un pelo de la nariz, es probable que nos sobreviniera un estornudo. Si aun así nos lo quitásemos y lo estudiásemos bajo la lente de un microscopio, ¿podríamos entender toda la historia de la especie humana?

A partir de un grano de arena, ¿podríamos desvelar la estructura de todo el planeta Tierra? Y, a partir de una galaxia, ¿seríamos capaces de entender todo el universo en su inmensidad? Podría parecer imposible, pero la inteligencia artificial ‘tiene’ una opinión muy distinta. Al menos, en relación con el cosmos. A partir de un ejercicio de machine learning para un estudiante, un equipo de cosmólogos y astrofísicos ha descubierto que las galaxias, de alguna manera, recuerdan cómo es el resto del universo del que forman parte.

Como si del ADN en la célula humana o de los átomos del grano de arena se tratase, las propiedades de una galaxia concreta, una cualquiera, permiten inferir las propiedades de todo un universo. Los datos y los cálculos parecen estar en lo correcto y la inteligencia artificial ‘insiste’ en sus conclusiones. Aunque nadie entiende todavía muy bien por qué. Ver el mundo en un grano de arena, como escribía el poeta William Blake, es también posible a escala cósmica.

Miles de universos diferentes entre ceros y unos

el cosmólogo francisco villaescusa
Francisco Villaescusa-Navarro, cosmólogo.

Como estudiante de la Universidad de Princeton (Estados Unidos), Jupiter Ding decidió ponerse en contacto con el departamento de astrofísica. Quería hacer algo con machine learning. A Francisco Villaescusa-Navarro, un cosmólogo español (natural de Albacete) que trabaja para la Fundación Simons de Nueva York (Estados Unidos) y es investigador visitante en ese departamento, se le ocurrió un ejercicio. “Pensé que podíamos hacer una red neuronal para intentar ver si a partir de una sola galaxia podíamos predecir propiedades de todo el universo”, explica. “Era solo un ejercicio para un estudiante. Yo pensaba que jamás en la vida iba a funcionar”.

Y funcionó, aunque nadie sabe bien por qué. Los resultados, publicados en ‘The astrophysical journal’, señalan que el algoritmo de aprendizaje automático diseñado, una red neuronal artificial, es capaz de predecir las propiedades de todo un universo a partir de un ejemplo de una galaxia cualquiera. Y es importante decir un universo y no el universo. El estudio se llevó a cabo en simulaciones y no con el universo conocido. Así que para entender mejor cómo se hizo, es necesario parar un momento y hablar de un lugar en el que existen miles de universos diferentes simulados.

La cosmología busca entender la estructura a gran escala y las dinámicas del universo. No se pierde en los detalles de las estrellas o los planetas. Para lograrlo, utiliza el poder de la computación. Los cosmólogos crean de forma virtual un universo desde cero, dándole ciertas condiciones más o menos similares a lo que conocemos del universo real, y luego observan el resultado. Es decir, van intentando aproximarse lo máximo posible a lo que conocemos para intentar entender mejor cómo es la estructura de nuestro universo. Estas simulaciones llevan tiempo y consumen muchos recursos.

simulaciones del universo

En los últimos años, el aprendizaje automático ha ayudado a los cosmólogos a cambiar su enfoque de trabajo. CAMELS (acrónimo en inglés de cosmología y astrofísica con simulaciones de aprendizaje automático) es una inmensa base de datos que contiene más de 4000 universos diferentes simulados. A cada una se le dan una serie de propiedades (más o menos materia oscura, más o menos energía oscura, mayor presencia de gas, menor cantidad de hidrógeno o helio). Aunque, ¿para qué necesitamos 4000 universos?

“La idea es que podamos hacer multitud de posibles universos diferentes. Cada uno con propiedades cosmológicas fundamentales distintas. Y después usar los datos para entrenar redes neuronales”, explica Villaescusa-Navarro, quien también forma parte del equipo que ha desarrollado CAMELS. Cuantos más datos, más pueden aprender estas redes neuronales. Y fue así cómo la inteligencia artificial diseñada por un estudiante de Princeton aprendió a predecir el universo a partir de una sola galaxia.

“Hacemos las simulaciones, entrenamos la inteligencia artificial y con ella podemos predecir cualquier cosa del universo en función de cualquier parámetro cosmológico o astrofísico. Y entonces comparamos si alguno de esos universos se parece al universo real”, continúa Villaescusa-Navarro. “Así, le damos los datos de una galaxia a la red neuronal y ella deduce los valores de las propiedades de todo el universo. Por ejemplo, cómo de homogéneo es o cuánta materia oscura hay”.

¿Existe la memoria de las galaxias?

una galaxia en la inmensidad del universo

Cuando Ding presentó los resultados de su experimento, nadie se lo esperaba. La red neuronal que había diseñado era capaz de inferir el valor omega (relacionado con la cantidad y la densidad de materia oscura en el universo) a partir de los datos de una sola galaxia. Los resultados estaban bien y no parecía haber errores en los cálculos. Pero no podía ser posible. El sentir en el departamento de astrofísica de Princeton era que tenía que estar fallando algo.

“Entrenar la red neuronal fue sencillo, puede llevarte poco más de una tarde de trabajo. Pero claro, esos resultados no se podían publicar así como así. Eran demasiado rompedores”, recuerda Villaescusa-Navarro. “Así que pasamos meses repitiendo los cálculos e intentando entender qué es lo que podía estar pasando aquí. Siendo honestos, si yo no hubiese escrito este paper, quizá tampoco me creería estos resultados”.

El escepticismo en la comunidad investigadora sigue existiendo. El problema es que nadie parece encontrar errores en los cálculos. Buena parte de los grandes expertos en este tipo de simulaciones de universidades de todo el mundo han participado de alguna manera en el estudio, comprobando sus resultados. Todo parece estar bien. ¿Cómo puede ser entonces que una única galaxia esconda las claves de la inmensidad del universo? Los tamaños y las distancias a escala cósmica son abrumadores. Sería como conseguir entender la estructura de todo el planeta Tierra a partir de un pequeño grano de arena.

Por ahora, la mejor explicación que han encontrado es que la inteligencia artificial ha visto algo que los humanos no son capaces de ver. A la hora de estudiar el universo, existen multitud de dimensiones de datos a tener en cuenta. Un pequeño cambio en una de ellas, parece cambiarlo todo. “Por ejemplo, si incrementamos la proporción de materia oscura en el universo, esto puede hacer que haya más materia oscura en una galaxia”, explica el cosmólogo español.

Más materia oscura en una galaxia puede implicar que el pozo gravitacional del centro de la galaxia sea más profundo, en palabras de Villaescusa-Navarro. Y esto, a su vez, puede causar que el gas se enfríe y se colapse con más facilidad, por lo que se forman más estrellas. Y, si se forman más estrellas, hay más muertes estelares y más supernovas, por lo que en la galaxia habrá mayor proporción de elementos químicos (que se forman siempre en el interior de las estrellas a través de la fusión).

imagen de una supernova

“Para los humanos es muy difícil analizar datos en más de tres dimensiones. Pero el machine learning nos permite mirar datos en multitud de dimensiones al mismo tiempo. Así que creemos que la inteligencia artificial, observando todo al mismo tiempo, ha sido capaz de identificar patrones que a nosotros se nos habían escapado”, añade el investigador. “Desde mi punto de vista, el aprendizaje automático está provocando una auténtica revolución en la astrofísica. Estamos intentando resolver problemas que ni hubiésemos soñado hace unos años”.

Con permiso del James Webb, el machine learning quizá sea uno de nuestros mejores aliados para intentar entender un universo que, por ahora, se escapa a nuestra comprensión. La astronomía y la astrofísica, en esencia, van de ver lo que estaba oculto, de encontrar sentido a lo que no lo tiene. Al igual que el telescopio de Galileo mostró que la luz blanquecina de la Vía Láctea eran en realidad millones de estrellas como la nuestra, quizá el aprendizaje automático nos permita ver un poco más en las profundidades del cosmos.

En Nobbot | Jocelyn Bell (astrofísica): “Alrededor de los púlsares, la luz se dobla y el tiempo avanza más despacio”

Imágenes | Unsplash/Aldebaran S, NASA, Guillermo Ferla, Aldebaran S

Deja una respuesta

Tu dirección de correo electrónico no será publicada.