Investigadores uniandinos trabajan en un proyecto pionero en el mundo que busca analizar las imágenes del LSST, el telescopio más grande sobre la superficie de la tierra.
El estudio del universo ha sido, desde tiempos inmemorables, uno de los mayores intereses de la humanidad. Por esta razón, los diferentes métodos para detectar con mayor precisión la actividad registrada en el cosmos han evolucionado casi a la par del mismo hombre. Hoy, técnicas de vanguardia como el machine learning y el deep learning se usan para llevar a cabo un análisis más profundo y juicioso del espacio.
Y es precisamente en esta área de investigación que la Universidad de los Andes, a través de los Departamentos de Ingeniería Biomédica y de Sistemas y Computación de la Facultad de Ingeniería y del Departamento de Física de la Facultad de Ciencias, viene adelantando un proyecto pionero en el mundo. Se trata de la ‘Detección de objetos transientes en imágenes astronómicas’, estudio que surgió como parte de la tesis de doctorado de Juan Pablo Reyes, en colaboración con el Centro de Física de Partículas de Marsella (CFPM) asociado a la Universidad de Aix-Marsella de Francia.
El proyecto, que se viene desarrollando desde hace cinco años, busca analizar las imágenes del LSST, el telescopio más grande sobre la superficie de la tierra que entrará en operación en 2022.
De acuerdo con Marcela Hernández, profesora asociada del Departamento de Ingeniería de Sistemas y Computación de la Universidad de los Andes, miembro del equipo de trabajo del proyecto, el propósito de esta investigación es detectar los objetos transientes que se encuentran en el espacio y que se denominan así porque aparecen y desaparecen en el tiempo como ocurre con las supernovas, las estrellas variables y los cuásares, entre otros.
Un estudio que, de acuerdo con la investigadora, es crucial teniendo en cuenta que la observación y análisis de estos eventos astronómicos permiten conocer, por ejemplo, hacía dónde va la expansión del universo, un tema esencial para la humanidad.
Escarbando el cosmos
La iniciativa, acompañada también por Jaime Forero, experto en astrofísica y profesor asociado del Departamento de Física y Pablo Arbeláez, profesor asociado del Departamento de Ingeniería Biomédica y experto en machine learning, ya ha empezado a estudiar estos objetos transientes con imágenes guardadas en repositorios mundiales, en la mayoría de ocasiones de libre acceso.
Para hacer estos análisis, el equipo de investigación desarrolló un software propio que trabaja con técnicas de machine learning para identificar los objetos transientes a partir del aprendizaje repetitivo de curvas de luz (radiografía que permite acceder a la toda la información del objeto), lo que le facilita al sistema clasificarlos y catalogarlos de acuerdo a su clase, teniendo en cuenta unos patrones preestablecidos.
Estos avances en machine learninig se desarrollaron con el apoyo de los estudiantes de pregrado Mauricio Neira y Diego Alejandro Gómez, del Departamento de Ingeniería de Sistemas y Computación y con Catalina Gómez, estudiante de maestría del Departamento de Ingeniería Biomédica.
Pero el proyecto busca ir más allá. Por esta razón, y de manera paralela, el equipo trabaja para que el software sea capaz de identificar los objetos a partir de imágenes astronómicas, por lo que se realiza una labor de deep learning. Esto implica que el programa trabaje con algoritmos más avanzados que le permitan crear sus propios patrones y, de esta manera, logre hacer un análisis más preciso a partir de una mayor cantidad de variables.
Se espera que los avances realizados le permitan al equipo de investigación de Los Andes ir un paso adelante en el análisis de las 2.000 imágenes que logrará escanear el LSST cada tres noches. En 10 años, el telescopio procesará más de 6 millones de ellas, es decir, unos 515 peta bytes de información.
Para mayor información sobre el telescopio LSST haga clic en el siguiente enlace.
