Las estrellas variables pulsan, brillan o se oscurecen debido a eclipses, como si interpretaran una sinfonía cósmica. Su fotometría (registro de brillo) es captada por telescopios con lagunas e interferencias. Pero este «sonido» guarda los secretos de la evolución estelar: desde el nacimiento en nubes de gas y polvo hasta la muerte como supernovas.

Antes los científicos buscaban características manualmente, ahora el aprendizaje automático lo hace por sí solo. El algoritmo examina la estrella de tres maneras: cómo cambió el brillo, cuál es su ritmo (frecuencias) y cómo se ve el ciclo promedio, como un director de orquesta que ve tanto la partitura como el desarrollo de la orquesta. Esto permite captar incluso desplazamientos lentos, invisibles al ojo.

El método evita las clasificaciones manuales y funciona bien con datos escasos: basta con un ejemplo por tipo. Para futuros sondeos, donde las estrellas se contarán por miles de millones, esto es una necesidad. Inesperadamente, el algoritmo resultó útil para buscar exoplanetas, por las minúsculas caídas en la luz. También permitirá precisar distancias en el Universo mediante el corrimiento al rojo y, junto con la simulación numérica, predecir el comportamiento de una estrella. Así, la evolución galáctica se volverá más comprensible cuando clasifiquemos una miríada de sinfonías de luz. Cabe destacar que el prototipo del método se probó en la estrella Mira Ceti, conocida desde la Antigüedad; su descubrimiento hace un siglo permitió estimar las escalas del cosmos.