Cómo ver lo invisible en el cosmos exprés
El cielo nocturno en una imagen de telescopio se parece a una fotografía tomada a través de un vidrio empañado: las estrellas brillantes se ven, pero todo lo débil se hunde en una neblina turbia. Esa neblina es el ruido: interferencias aleatorias de la electrónica, el calor y la propia atmósfera. Parte del ruido se repite de una imagen a otra, como un rayón en el vidrio, y se puede calcular y eliminar.
El algoritmo ASTERIS hace exactamente eso. Examina muchas imágenes de la misma zona del cielo tomadas en diferentes momentos y aprende a distinguir la luz real de los objetos lejanos de las interferencias repetidas. Como un restaurador experimentado que sabe qué manchas en un cuadro antiguo son suciedad y cuáles son la intención del artista, el algoritmo limpia la imagen sin tocar las propias estrellas y galaxias.
La prueba con imágenes reales del telescopio espacial James Webb y del telescopio terrestre Subaru confirmó la potencia del método. El algoritmo reveló estructuras apenas perceptibles en las galaxias y arcos creados por lentes gravitacionales, cuando un objeto masivo curva la luz de una galaxia lejana como una lente. Y en las imágenes profundas de Webb, ASTERIS encontró tres veces más candidatas a galaxias con corrimiento al rojo mayor que 9 que los métodos anteriores. Son galaxias cuya luz ha viajado hacia nosotros durante más de 13 mil millones de años, casi desde el principio de los tiempos.
Ahora los astrónomos pueden mirar aún más atrás en el pasado del universo sin esperar telescopios más potentes. Basta con una limpieza inteligente de los datos ya obtenidos, y el vidrio empañado se vuelve transparente.
Resumen original
tal como lo escribieron los autores, en inglés arXiv:2602.17205
The detection limit of astronomical imaging observations is limited by several noise sources. Some of that noise is correlated between neighbouring image pixels and exposures, so in principle could be learned and corrected. We present an astronomical self-supervised transformer-based denoising algorithm (ASTERIS), that integrates spatiotemporal information across multiple exposures. Benchmarking on mock data indicates that ASTERIS improves detection limits by 1.0 magnitude at 90% completeness and purity, while preserving the point spread function and photometric accuracy. Observational validation using data from the James Webb Space Telescope (JWST) and Subaru telescope identifies previously undetectable features, including low-surface-brightness galaxy structures and gravitationally-lensed arcs. Applied to deep JWST images, ASTERIS identifies three times more redshift > 9 galaxy candidates, with rest-frame ultraviolet luminosity 1.0 magnitude fainter, than previous methods.
Una magnitud estelar equivale a una diferencia de brillo de aproximadamente 2.5 veces. Mejorar en una magnitud permite ver objetos que antes estaban ocultos por el ruido, como si el telescopio se hubiera vuelto notablemente más grande.
En la novela «Contacto» de Carl Sagan, la protagonista escucha una señal del espacio oculta en el ruido. ASTERIS hace algo similar, pero con imágenes: extrae una señal débil de debajo de una montaña de interferencias.