Un equipo de astrónomas y astrónomos mexicanos presentó AstroTune, una herramienta de inteligencia artificial capaz de identificar y clasificar automáticamente hasta 200 nuevas supernovas por noche, lo que representaría más de 100 mil descubrimientos anuales. El software fue desarrollado por René Parlange Chavarría, estudiante del doctorado en ciencias computacionales de la Universidad Autónoma de San Luis Potosí (UASLP) y asociado al Instituto de Astronomía (IA) de la Universidad Nacional, bajo la asesoría de Juan Carlos Cuevas Tello y Octavio Valenzuela.
AstroTune emplea redes neuronales tipo transformers de visión para procesar las alertas que genera el Observatorio Vera C. Rubin, el cual iniciará el mapeo Legacy Survey of Space and Time (LSST). Según Ángeles Pérez Villegas, investigadora del IA y líder de la participación mexicana en la colaboración Stars, Milky Way and Local Volume, el instrumento observará el cielo del hemisferio sur y parte del norte cada tres días durante una década.
El sistema se alimenta de siete millones de alertas nocturnas producidas cuando se detectan cambios de brillo, posición o forma en objetos celestes. AstroTune compara tres imágenes de la misma región: una de referencia, una posterior y una tercera que muestra las diferencias, explicó el investigador posdoctoral Luis Léon.
La herramienta forma parte del gestor de alertas Pitt-Google Broker y se integra a la infraestructura de la Dark Energy Science Collaboration, como aporte mexicano al proyecto internacional. Octavio Valenzuela Tijerino, colíder de LSST-MX, indicó que el desarrollo aprovecha las unidades de procesamiento gráfico del Laboratorio de Modelos y Datos de la UNAM.
Además de supernovas, AstroTune puede clasificar estrellas variables, núcleos galácticos activos y asteroides. Bolivia Cuevas Otahola, investigadora posdoctoral del IA, destacó que la participación nacional se centra en detectar y categorizar estos fenómenos transitorios para comprender mejor la expansión del universo.
El software mejora continuamente su precisión mediante la técnica de automachine learning, que ajusta sus parámetros con base en los datos específicos de cada región observada. Esta capacidad de autorrefinamiento permite reducir falsos positivos y acelerar la validación de candidatos a supernova.
La contribución mexicana incluye la operación de un centro de datos independiente (IDAC) que procesará localmente parte del flujo de información del LSST, garantizando así acceso directo a los descubrimientos y fortaleciendo la infraestructura científica del país.
Etiquetas: Tecnología, IA general, UNAM, UASLP, astronomía, supernovas, LSST, Tecnología · IA general
About the Author
