Investigadores chilenos desarrollan sistema de procesamiento de datos que optimiza el estudio del universo

Una supernova, un asteroide o un agujero negro supermasivo que engulle una estrella. En una noche pueden ocurrir decenas de millones de eventos astronómicos ante el lente de un telescopio y resulta prácticamente imposible procesar todos los fenómenos que los observatorios puedan captar desde la Tierra. Entonces ¿Cómo podemos saber qué acontecimiento es más relevante que otro, dentro de la avalancha de datos que llegan desde el espacio?

La respuesta la propusieron científicos del Centro de Modelamiento Matemático (CMM) de la Universidad de Chile y del Instituto Milenio de Astrofísica (MAS), quienes junto al Data Observatory (DO), el Laboratorio Nacional de Computación de Alto Rendimiento (NLHPC) de la U. de Chile, y con la colaboración de nueve universidades y diversos centros de investigación, desarrollaron un sistema de procesamiento de datos en astronomía. A través de la ciencia de datos e Inteligencia Artificial, los investigadores generaron una forma de destacar e identificar los cientos de miles de sucesos que ocurren en el universo observable. Esto es conocido en la disciplina como “brokers astronómicos”.

“Construimos un broker astronómico llamado ALeRCE (Automatic Learning for the Rapid Classification of Events). Operamos todas las noches, analizando la información que captan los telescopios, y le entregamos este servicio a la comunidad astronómica del mundo”, afirmó Francisco Förster, PhD en Astronomía e investigador del CMM, de la Universidad de Chile.

Para entender esto, es necesario precisar que existen dos tipos de telescopios astronómicos. En primer lugar están los telescopios especializados en monitorear el panorama general del espacio, los cuales pueden identificar cambios o fenómenos que aparecen con el pasar del tiempo. Por otra parte, existen los telescopios dedicados a hacer seguimiento a un suceso astronómico en particular, como el nacimiento de un agujero negro, supernova, asteroide, entre otros. En pocas palabras, los telescopios de seguimiento reciben las alertas generadas por los telescopios de monitoreo, para poner atención en un evento específico del universo observable.

Los telescopios de monitoreo no son necesariamente grandes en su tamaño, como otros que contarán con espejos de hasta 40 metros de diámetro, como el Observatory Vera Rubin, que se construye en la Región de Coquimbo. Sin embargo, poseen una cámara digital muy grande, de hasta los 3 mil millones de píxeles. Una sola imagen puede cubrir un área decenas de veces mayor al tamaño de la Luna, y cada tres noches, en promedio, es posible capturar imágenes por completo del universo visible desde el hemisferio sur de la Tierra.

Para poder discriminar qué evento es relevante en la información captada por los telescopios de monitoreo, los brokers astronómicos identifican a través de Inteligencia Artificial en qué sitio y momento ocurre un evento considerable para hacerle seguimiento, entre los millones de cambios que pueden ser observados durante una noche.

“Armamos la infraestructura, la forma de comunicarse para que todas las partes del ecosistema astronómico puedan conversar entre sí, sin intervención humana. Usamos clasificadores a través de machine learning. Verificamos la calidad de los datos y ayudamos a hacer ciencia”, detalló Förster sobre la importancia de este sistema que optimiza el estudio del universo.

ALeRCE ya se encuentra entregando sus servicios a distintos observatorios del mundo. Existe un grupo astronómico en California llamado "Las Cumbres Observatory", que tuvo financiamiento de Google para construir telescopios robóticos alrededor del mundo. Ellos reciben en tiempo real lo que ALeRCE produce cada noche a partir de la recepción de señales, con cientos de miles de alertas por noche.

Actualmente, este broker astronómico procesa el flujo de alertas del Zwicky Transient Facility (ZTF) y apunta a convertirse en un broker astronómico oficial para el Observatorio Vera C. Rubin, que se construye en Chile y espera estar listo dentro de los próximos años. “Utilizamos modelos de infraestructura híbrida (local y en la nube) y aprendizaje automático para llevar productos y servicios procesados ​​en tiempo real a la comunidad astronómica”, concluyó Förster.