Una red neuronal dibujó mapas de 639 mil galaxias exprés

Original: "Deep Learning Segmentation of Spiral Arms and Bars for 600,000 Galaxies in DESI"
arXiv:2606.16507 · 2026-06-15 · CC BY 4.0 · 1 min
El algoritmo convirtió imágenes de galaxias lejanas en mapas detallados: marcó brazos espirales, barras centrales y, sorprendentemente, anillos detectados.

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

Un editor de fotos común resalta objetos en una imagen. La red neuronal ZooBot:3D trabaja con galaxias lejanas galaxias como un cartógrafo que dibuja el mapa de una tierra desconocida. Miles de voluntarios delinearon manualmente brazos espirales y barras (franjas estelares centrales) en las imágenes, y con esas lecciones el algoritmo aprendió a crear mapas de calor, no simples líneas: cada píxel indica si hay un brazo.

Sorpresa: la red comenzó a encontrar anillos, raras estructuras circulares. Apenas había ejemplos en el entrenamiento. El algoritmo pareció adivinar por sí mismo cómo son estas «donas».

Con estos mapas, los astrónomos cruzan datos sobre el movimiento de las estrellas (espectroscopía) y su brillo (fotometría), para comprender la estructura de las galaxias decenas de veces más rápido. El catálogo final de 639,636 galaxias es público y ya está integrado con los proyectos MaNGA y SAMI.

Los voluntarios de Galaxy Zoo delinearon a mano los contornos de miles de galaxias, creando millones de marcas. Ahora, una sola ejecución de la red neuronal reemplaza ese titánico trabajo.

Cartografiar galaxias es un tema clave de la ciencia ficción, desde la 'Fundación' de Asimov hasta 'Star Wars'; este trabajo da un paso hacia un atlas real del universo.

Científicos
Fritz ZwickySubrahmanyan ChandrasekharAdam RiessJohn Archibald WheelerGalileo GalileiWilliam Herschel
Conceptos
aprendizaje profundo en imagenología médica clasificación de imágenes desi segmentación de tumores red neuronal profunda brazos espirales galaxia espiral imagen médica con IA