Un equipo internacional liderado por científicos del Instituto de Ciencias del Cosmos de la Universidad de Barcelona (ICCUB) ha creado un innovador método que promete avanzar en el estudio de la expansión del universo y la energía oscura. Publicada en Nature Astronomy, esta investigación introduce CIGaRS, un sistema que permite analizar las supernovas tipo Ia y sus galaxias anfitrionas principalmente a través de imágenes, evitando las costosas observaciones espectroscópicas.
Las supernovas tipo Ia son explosiones estelares que, debido a su brillo intrínseco casi uniforme, se emplean como «velas estándar» para medir distancias cósmicas. Este procedimiento fue fundamental para descubrir que la expansión del universo se acelera, fenómeno vinculado a la energía oscura, uno de los grandes enigmas de la física actual. No obstante, se sabe que estas supernovas no son idénticas en todas partes, ya que su brillo varía según el tipo de galaxia que las contiene.
Durante las últimas dos décadas, los astrónomos han observado que el entorno de la supernova influye en su luminosidad; por ejemplo, las supernovas en galaxias más masivas o antiguas muestran características diferentes a las que explotan en galaxias jóvenes o pequeñas. Frente a esta complejidad, el nuevo estudio propone un modelo integral que combina la física de las supernovas, las propiedades de sus galaxias anfitrionas, la influencia del polvo cósmico, la evolución temporal de las explosiones y la dinámica de la expansión universal.
Raúl Jiménez, coautor y miembro de ICREA en el ICCUB, explica que su enfoque se basa en la simulación ab initio mediante inferencia bayesiana, lo que permite ajustar múltiples parámetros simultáneamente para identificar el universo en que vivimos. Además, este modelo puede detectar posibles fuentes de error desconocidas que afectan las inferencias cosmológicas, un desafío pendiente en los métodos actuales.
Uso de inteligencia artificial para procesar grandes volúmenes de datos
Para hacer viable este complejo análisis a nivel computacional, el equipo aplicó técnicas modernas de inferencia basada en simulación. El procedimiento consiste en generar numerosos universos simulados con modelos físicos, entrenar una red neuronal para relacionar los datos simulados con parámetros físicos y, finalmente, utilizar esta inteligencia artificial para extraer directamente información de las observaciones reales. Esto posibilita procesar simultáneamente decenas de miles de supernovas, algo impracticable con técnicas tradicionales.
Uno de los avances más relevantes es que este método logra determinar con alta precisión las distancias cósmicas sin necesidad de espectroscopía, usando únicamente imágenes. El desplazamiento hacia el rojo, que mide la expansión del universo y permite calcular distancias y tiempos cósmicos, se estima con exactitud comparable a la espectroscópica. Esto es especialmente importante dado que el volumen de supernovas detectadas en futuros estudios será inmenso, y solo una fracción podrá ser analizada espectroscópicamente.
Preparación para la era del Observatorio Vera C. Rubin
El Observatorio Vera C. Rubin, próximo a inaugurarse en Chile, comenzará un estudio de una década que descubrirá un número sin precedentes de supernovas. Se estima que aproximadamente el 99 % de ellas se observará solo mediante imágenes fotométricas. El marco CIGaRS ha sido diseñado específicamente para maximizar el aprovechamiento de esa avalancha de datos, evitando sesgos y simplificaciones que otros métodos requieren.
Konstantin Karchev, investigador del ICCUB y la Escuela Internacional de Estudios Avanzados de Trieste (SISSA), señala que esta estrategia integral sin compromisos analíticos es especialmente adecuada para extraer la información cosmológica y astrofísica completa que proporcionará el Observatorio Rubin.
Además de perfeccionar las mediciones relacionadas con la energía oscura, el estudio proporciona nuevas pistas sobre la formación y evolución de las supernovas tipo Ia. Al reconstruir cómo varían las tasas de ocurrencia según la edad de las estrellas en las galaxias, el modelo ayuda a entender mejor los sistemas progenitores de estas explosiones.
Los autores sostienen que la combinación de modelos físicos con inteligencia artificial puede superar las limitaciones actuales en análisis cosmológicos, mejorando las restricciones sobre parámetros clave hasta en un factor de cuatro en comparación con métodos tradicionales basados en pequeñas muestras espectroscópicas.
Con la inminente puesta en marcha del Observatorio Vera C. Rubin, técnicas como CIGaRS aseguran que la comunidad científica estará preparada para interpretar con profundidad la ingente cantidad de datos y avanzar en el conocimiento del universo.
