Una red neuronal sin pistas descubre nuevas galaxias exprés

Original: "Unsupervised Discovery of High-Redshift Galaxy Populations with Variational Autoencoders"
· Aayush Saxena
arXiv:2511.05439 · 2025-11-07 · CC BY 4.0 · 1 min
El algoritmo descubrió por sí mismo nuevos tipos de galaxias en los datos del Webb.

📄 Mostrando la versión "Simple" — "Popular" aún no está lista. Añádelo a favoritos para ayudar a priorizarla.

El telescopio James Webb ha recopilado miles de espectros de galaxias lejanas: las huellas dactilares de su luz. Para no ahogarse en esta diversidad, los astrónomos encargaron al programa que clasificara los hallazgos. Pero actuó como un naturalista en una costa desconocida: sin saber de antemano qué especies aparecerían, agrupaba los objetos por su parecido externo. En lugar de conchas, patrones espectrales. El algoritmo encontró familias por sí solo: las típicas espirales y elípticas, y entre ellas, unas raras «perlas azules».

Son galaxias diminutas que brillan en el ultravioleta con tanta intensidad que cada una resplandece como cien mil millones de soles.

Este «biólogo automático» acelerará cientos de veces la revisión de archivos y pescará anomalías que merecen una mirada atenta. Y el primer botín del Webb ya demostró que incluso en la rutina cósmica se esconden maravillas.

El James Webb es tan sensible en el infrarrojo que podría detectar el calor de un abejorro en la superficie de la Luna.

Científicos
Fritz ZwickySubrahmanyan ChandrasekharAdam RiessJohn Archibald WheelerNancy Grace RomanGalileo Galilei
Conceptos
aprendizaje autosupervisado JWST fuentes rojas del JWST astrofísica con IA galaxias de puntos rojos galaxias de alto corrimiento al rojo agrupamiento población estelar seti redes neuronales de aprendizaje predictivo microlente de planeta errante autoencoder análisis automatizado corrimiento al rojo búsqueda de tecnofirmas radiogalaxia método del tránsito exoplaneta radioastronomía descubrimiento científico con redes neuronales