Cómo oír la grieta en el tejido del cosmos exprés

Original: "Testing General Relativity Through Gravitational Wave Classification: A Convolutional Neural Network Framework"
arXiv:2605.02453 · 2026-05-04 · CC BY 4.0 · 2 min
Una red neuronal aprende a distinguir las mínimas desviaciones de la teoría de Einstein en las señales de agujeros negros en fusión.

La sinfonía suena, pero en la partitura se ha colado una nota falsa apenas perceptible. Así, más o menos, buscan los físicos desviaciones de la relatividad general en los 'sonidos' del universo: las ondas gravitacionales producidas por la fusión de agujeros negros. Estas ondas, como círculos en el agua tras lanzar una piedra, se expanden por el tejido del espacio-tiempo y llegan a los detectores en la Tierra.

Los autores del nuevo trabajo construyeron un 'entrenador de notas falsas': tomaron 173 eventos reales del catálogo de observaciones de ondas gravitacionales y crearon sus copias exactas según las ecuaciones de Einstein. Luego, en esas copias introdujeron cuidadosamente distorsiones: diminutos desplazamientos de fase que podrían surgir si la gravedad estuviera organizada de forma un poco más compleja de lo que creemos. El resultado fue un conjunto de señales 'limpias' y 'estropeadas' para entrenar la red neuronal.

El truco principal no está en la complejidad de la red, sino en cómo se preparan los datos. En lugar de alimentar al algoritmo con registros crudos de los detectores, los científicos usaron una 'función de respuesta': una señal diferencial donde se resta la melodía de fondo de Einstein y solo queda el ruido de una posible 'nueva física'. Es como comparar dos fotografías casi idénticas del cielo estrellado: en la imagen diferencial se ve de inmediato una supernova que ha estallado.

Este enfoque multiplicó por 33 la sensibilidad de la clasificación en comparación con el análisis habitual de señales depuradas. La red neuronal aprendía con esos retratos diferenciales y encontraba patrones casi imperceptibles: rasgos colectivos de las desviaciones que no se ven a simple vista ni se captan con métodos estadísticos simples. Al final, el algoritmo logró detectar de forma fiable los efectos de la gravedad masiva, una teoría donde las partículas portadoras de la atracción gravitatoria tienen una masa diminuta del orden de 10⁻²³ electronvoltios. Para hacerse una idea: es un trillón de trillones de veces más ligero que un neutrino.

El método no solo busca una aguja en un pajar: aprende a reconocer la propia forma de la aguja entre las pajas, aunque esté ligeramente doblada. Y algún día este afinado del oído ayudará a los físicos a escuchar esa nota falsa en la sinfonía del cosmos.

La sensibilidad de los detectores aLIGO es tal que pueden notar un cambio en la longitud del brazo de cuatro kilómetros equivalente a la milésima parte del diámetro de un protón: es como medir la distancia a la estrella más cercana con la precisión del grosor de un cabello humano.

La idea de una gravedad 'incorrecta' aparece en la novela 'Echopraxia' de Peter Watts: allí las ondas gravitacionales transportan información de universos paralelos, y sus distorsiones son la clave para el contacto.

Científicos
Edward WittenJuan MaldacenaHenri PoincaréFritz ZwickyJoseph WeberStephen Hawking
Conceptos
estimación de parámetros de ondas gravitacionales espectroscopía de ondas gravitacionales relatividad general red neuronal de grafos generalización teorías de la gravedad modelado físico con redes neuronales gwtc prueba del principio de equivalencia Redes Generativas Antagónicas sondas de gravedad cuántica espectroscopía de agujeros negros evento aprendizaje contrastivo forma de onda nanograv gigahercio gw170817 clasificación gravímetro