Luz y distancia: comprobando la geometría del cosmos exprés
La luz de una estrella lejana tarda miles de millones de años en llegarnos, y durante ese tiempo el universo tiene tiempo de expandirse. ¿Cómo comprobar que entendemos correctamente ese viaje? Los astrónomos usan dos 'reglas': las supernovas, que se ven con un brillo conocido, y las rápidas ráfagas de radio: pulsos cortos y potentes de ondas de radio provenientes de otras galaxias. Si ambas reglas muestran la misma distancia, entonces la geometría del cosmos funciona como un reloj.
En este trabajo, los científicos tomaron datos de supernovas del catálogo Pantheon+ y los compararon con distancias calculadas a partir de ráfagas de radio usando redes neuronales. La red neuronal ayudó a reconstruir cómo las ondas de radio se 'retrasan' en su camino debido a la materia interpuesta, y a convertir eso en distancias. El resultado principal: no se encontraron desviaciones de la relación esperada entre brillo y tamaño del objeto. El cosmos es honesto.
Además, se pudo estimar cuánta materia hay justo cerca de las fuentes de las ráfagas de radio, en sus galaxias de origen. Este número es importante para futuras investigaciones cosmológicas. Por ahora la precisión no es alta, pero el método promete convertirse en una herramienta poderosa cuando se acumulen más datos.
Resumen original
tal como lo escribieron los autores, en inglés arXiv:2602.16869
We test the Etherington cosmic distance-duality relation (CDDR), by comparing Type Ia supernova (SNIa) luminosity-distance information from the Pantheon+ compilation with an angular-diameter-distance reconstructed from localized Fast Radio Bursts (FRBs). The core of our methodology is a data-driven reconstruction from FRBs using artificial neural networks (ANNs): we infer a smooth mean extragalactic dispersion-measure relation and use its redshift derivative to recover $$H(z)$$ and hence $$D_\mathrm{A}^{\rm FRB}(z)$$ without assuming a parametric form for the expansion history. Possible deviations from CDDR are parameterized through three one-parameter models of $$\eta(z)\equiv D_\mathrm{L}/[(1+z)^2D_\mathrm{A}]$$. We implement two complementary likelihoods: (i) a direct approach using individual SNIa with the full Pantheon+ covariance, and (ii) a machine-learning approach in which we reconstruct the SN Hubble diagram on the FRB redshift grid, propagating SN and FRB uncertainties into non-diagonal covariance matrices via Monte Carlo and bootstrap realizations. Within the FRB reconstruction, we anchor the mean extragalactic dispersion measure at $$z=0$$, which yields a data-driven constraint on the average host/near-source contribution $$\mathrm{DM}_{\rm host}=128.8\pm 34.1\,\mathrm{pc\,cm^{-3}}$$ ($$3\sigma$$ of statistical confidence). We find that both likelihood implementations give consistent posteriors and no statistically significant evidence for departures from CDDR at the current precision.
Una ráfaga rápida de radio puede ser más brillante que una galaxia entera, aunque dure menos que un parpadeo.
En la novela 'Contacto' de Carl Sagan, la señal extraterrestre también llega como una serie de pulsos de radio cortos, algo parecido a las ráfagas rápidas de radio reales.