Una galaxia, dos telescopios: cómo separar la física de las distorsiones exprés
Si fotografiamos la misma montaña con una cámara de película y con un smartphone moderno, obtenemos imágenes diferentes: en una los colores son más vivos, en la otra los detalles aparecen borrosos. Algo similar ocurre con los telescopios: cada instrumento ve el cielo a su manera, añadiendo a la luz real de las galaxias sus propias distorsiones, como un filtro a través del cual miramos.
El nuevo trabajo propone una forma de eliminar ese "filtro". Los científicos reunieron pares de imágenes de las mismas galaxias tomadas por dos grandes sondeos del cielo: DESI Legacy Imaging Survey y Hyper Suprime-Cam. La red neuronal se entrenó de la siguiente manera: recibe dos imágenes y debe reconstruir una a partir de la otra, pero teniendo en cuenta que las cámaras son diferentes. Durante el entrenamiento, la red encuentra por sí misma qué es común en las dos imágenes (eso es la galaxia real) y qué difiere (eso son las distorsiones del telescopio concreto).
Como resultado, la red neuronal produce una representación "limpia" de la galaxia, sin ruido ni distorsiones del instrumento concreto. Esto permite, por ejemplo, buscar galaxias similares en archivos de diferentes telescopios sin temor a que su semejanza se vea afectada por las distintas cámaras. Este enfoque no es útil solo para la astronomía: ofrece una receta general para entrenar redes neuronales con datos de diferentes dispositivos, desde escáneres médicos hasta sensores en automóviles.
Ambos telescopios cuyos datos utilizaron los científicos se encuentran en la Tierra, pero uno de ellos (Hyper Suprime-Cam) está instalado en Hawái, y el otro (DESI Legacy) escanea el cielo desde un observatorio en Arizona. La distancia entre ellos es de unos 4 800 km, pero ven las mismas galaxias.