Inteligencia artificial detecta más de 1.000 objetos astronómicos raros en archivos del telescopio Hubble

La inteligencia artificial aplicada a los archivos históricos del telescopio espacial Hubble permitió identificar más de 1.000 objetos astronómicos raros y anómalos. El hallazgo surgió tras analizar millones de imágenes mediante un sistema automatizado que localiza patrones inusuales a una escala imposible para la revisión humana tradicional.

El estudio lo desarrollaron David O’Ryan y Pablo Gómez, investigadores de la Agencia Espacial Europea (ESA). El trabajo se publicó en diciembre en la revista científica Astronomy & Astrophysics. Los resultados demostraron que incluso uno de los conjuntos de datos más estudiados de la astronomía aún conserva fenómenos poco documentados, como galaxias en colisión y estructuras que desafían los modelos actuales.

Desde 1990, el Hubble observó el Universo de forma casi continua. Durante ese periodo generó decenas de miles de conjuntos de datos. Este material integra el Hubble Legacy Archive, uno de los pilares de la astrofísica moderna por su diversidad de objetos y épocas cósmicas.

El crecimiento del archivo planteó un problema central. El volumen de información superó la capacidad de análisis manual. La detección de anomalías, entendidas como objetos que no coinciden con formas o comportamientos esperados, dependió durante años de la experiencia de especialistas o de descubrimientos fortuitos.

Iniciativas de ciencia ciudadana ampliaron la clasificación de imágenes al involucrar a personas aficionadas. Sin embargo, estos proyectos no lograron cubrir la magnitud del archivo del Hubble ni la de otros levantamientos astronómicos aún mayores.

Según explicó la ESA en un comunicado divulgado el martes 27, los astrónomos expertos reconocen bien las características inusuales. Aun así, el volumen de datos volvió inviable una revisión completa. El reto consistió en localizar verdaderas rarezas dentro de un conjunto de información comparable con un “palero cósmico”.

AnomalyMatch

En ese contexto surgió AnomalyMatch, una herramienta basada en redes neuronales. Estos sistemas se inspiran en el funcionamiento del cerebro humano y aprenden patrones complejos a partir de grandes volúmenes de datos. A diferencia de otros algoritmos, su objetivo no se centró en clasificar objetos conocidos, sino en señalar aquello que se aparta de la norma.

Para probar su eficacia, los investigadores entrenaron el sistema con cerca de 100 millones de recortes de imágenes del Hubble Legacy Archive. Cada fragmento representó una región diminuta del cielo, con apenas unas decenas de píxeles y un ancho cercano a una milésima de grado.

La inteligencia artificial analizó todo ese material en dos días y medio. Un proceso manual habría requerido años o incluso décadas. El primer resultado fue una lista de unas 1.400 posibles anomalías.

La validación final quedó en manos humanas. O’Ryan y Gómez revisaron los casos mejor calificados por el algoritmo. Más de 1.300 objetos se confirmaron como genuinamente inusuales. De ese grupo, más de 800 no figuraban en la literatura científica previa, un dato relevante para un archivo considerado ampliamente explorado.

Colisiones galácticas y enigmas sin clasificar

El análisis detallado mostró que la mayoría de las anomalías correspondió a galaxias en proceso de fusión o interacción gravitacional. Estos sistemas presentan formas caóticas, asimetrías marcadas y extensos rastros de estrellas y gas. Tales rasgos aportan información clave sobre la evolución galáctica.

Otro conjunto importante lo formaron las lentes gravitacionales. En estos casos, la gravedad de una galaxia en primer plano distorsiona la luz de objetos más lejanos y genera arcos o anillos casi perfectos. Estos fenómenos resultan esenciales para estudiar la distribución de masa y la materia oscura.

Entre los hallazgos más llamativos aparecieron galaxias con intensos brotes de formación estelar, galaxias medusa con extensiones gaseosas y discos de formación planetaria observados de perfil en la Vía Láctea. Estas estructuras ofrecen una visión poco común de regiones donde se forman nuevos planetas.

El resultado más intrigante surgió de varias decenas de objetos que no encajaron en ninguna categoría conocida. Estas detecciones cuestionan los esquemas actuales de clasificación y sugieren la existencia de fenómenos aún no comprendidos.

Impacto para la astronomía

Los autores señalaron que el valor del estudio supera las detecciones individuales. Nuevos observatorios como Euclid, el Observatorio Vera C. Rubin y el futuro telescopio espacial Nancy Grace Roman producirán decenas de petabytes de datos.

En ese escenario, herramientas como AnomalyMatch se perfilan como recursos clave para gestionar ese volumen de información y evitar que descubrimientos inesperados pasen desapercibidos. El trabajo indicó que los avances futuros dependerán tanto de nuevos telescopios como de nuevas formas de analizar los datos existentes.

*La creación de este contenido contó con la asistencia de inteligencia artificial. La fuente de esta información es de un medio del Grupo de Diarios América (GDA) y revisada por un editor para asegurar su precisión. El contenido no se generó automáticamente.