Sinfonía de enanas blancas: cómo una red neuronal aprende a escuchar la música gravitacional de LISA ✛ ✦
El Universo no está en silencio: está lleno de un continuo rumor de ondas gravitacionales. Dentro de una década, el observatorio espacial LISA afinará sus «oídos» al rango de milihercios, y la fuente más rica resultará ser nuestra Galaxia: decenas de miles de pares de enanas blancas girando en una danza vertiginosa. El problema es que sus señales se mezclan en una cacofonía, ahogándose unas a otras. Para desentrañar esta partitura cósmica y comprender la evolución estelar, hace falta un director de orquesta con oído artificial, capaz de distinguir instantáneamente la voz de cada instrumento. Y ese director —una red neuronal entrenada con simulaciones— es lo que han propuesto los investigadores.
En lugar de atacar frontalmente las ecuaciones, los científicos aplicaron aprendizaje por simulación con flujos normalizadores. La red neuronal pasó por un curso intensivo: millones de señales sintéticas de binarias de enanas blancas, generadas por el simulador numérico GBGPU teniendo en cuenta la respuesta realista de la interferometría láser de LISA y los ruidos instrumentales. Como resultado, los flujos aprendieron a transformar el ruido en una distribución de probabilidad lista para ocho parámetros: frecuencia, coordenadas celestes, amplitud, inclinación, polarización y fase. El MCMC tradicional deambula durante horas por el paisaje de parámetros, atascándose en máximos locales; la red neuronal, en cambio, entrega miles de muestras por segundo, sin siquiera calcular la verosimilitud: ha «absorbido» la gramática de las señales gravitacionales, como un violinista que reconoce el instrumento por el primer compás.
A bajas frecuencias (1–6 mHz), la red mostró una concordancia casi perfecta con el análisis bayesiano de referencia, incluso para las complejas estructuras multimodales de la fase y la polarización. Al aumentar la frecuencia o al superponerse dos señales, la precisión disminuye ligeramente, pero la velocidad sigue siendo sin precedentes: horas de trabajo del MCMC se comprimen en una fracción de segundo. Este éxito es solo la obertura. En el futuro, el método se integrará en un ajuste global: los preprocesadores comprimirán los datos y la red neuronal aprenderá a manejar un número variable de fuentes, resolviendo el problema transdimensional. Así descifraremos por completo toda la población de binarias galácticas, sin omitir siquiera los sistemas exóticos con estrellas de neutrones o agujeros negros, y por primera vez trazaremos un mapa de la evolución estelar a partir del «sonido». En esencia, estamos creando un oído gravitacional capaz de captar la sinfonía de las esferas celestes que Einstein predijo y que Rainer Weiss enseñó a escuchar a escondidas con interferómetros gigantes.
Curiosamente, la red neuronal, tras entrenarse con millones de señales, empieza a «entender» la física sin ecuaciones: capta correlaciones sutiles que escapan a las fórmulas explícitas, como un músico que no sabe leer partituras pero reproduce la melodía con precisión.
La idea de mil millones de voces fusionándose en una «sinfonía» remite al «sonido» del Universo pulsante de la novela de Stanisław Lem «La voz de su amo», y el intento de aislar «instrumentos» individuales se asemeja a la misión de SETI: encontrar una señal con sentido en un océano de ruido natural.