main concepts scientists sections
SimplePopularAvanzado

Una computadora aprende a ver la materia oscura invisible ✛ ✦

Original: "Joint inference of weak lensing convergence map and cosmology with diffusion models"
· Benjamin Remy, Chihway Chang, Rebecca Willett
arXiv:2606.31988 · 2026-06-30 · CC BY 4.0 · 1 min
Cosmología Instrumentación
El programa JADE construye un mapa de la materia oscura a partir de galaxias distorsionadas en segundos y determina las propiedades del Universo.

Las galaxias en los telescopios se ven ligeramente torcidas, no por defectos ópticos, sino porque su luz ha sido curvada por la atracción de la materia oscura invisible. Esta ondulación gravitacional es como las ondas en el agua que delatan una roca escondida en el fondo. El programa JADE (aprendizaje automático) se entrena con millones de simulaciones por ordenador de galaxias y en una fracción de segundo convierte una imagen real en un mapa de la masa oculta. Al mismo tiempo, calcula la proporción de la misteriosa energía oscura, que acelera la expansión del cosmos, y funciona incluso para los objetos más distantes con un notable corrimiento al rojo.

Allí donde el análisis clásico lleva días, JADE lo hace en 0,2 segundos, sin pérdida de precisión.

La curvatura de la luz por la masa fue predicha por Einstein, Zwicky fue el primero en sugerir la materia oculta, y Rubin demostró que sin ella las galaxias se desintegrarían. Ahora no solo creemos en lo invisible: lo vemos en tiempo real.

Todo el grafo →

JADE se entrenó con solo 100.000 simulaciones, como un puñado de granos de arena en comparación con los millones de cálculos que necesitaban los métodos antiguos. Crea cada mapa en 0,2 segundos.

En la novela 'Visión ciega' de Peter Watts, las naves alienígenas invisibles se delatan solo por las distorsiones de la luz de las estrellas, igual que la materia oscura.

\kappa(\boldsymbol{\vartheta}) = \frac{3 H_0^2 \Omega_m}{2c^2} \int_0^{\chi_{\lim}} d\chi \, \frac{q(\chi)}{a(\chi)} f_K(\chi) \delta(f_K(\chi) \boldsymbol{\vartheta}, \chi)
Ecuación (1) del artículo: la convergencia como integral ponderada del contraste de densidad a lo largo de la línea de visión.
\tilde{\kappa}_E + i\tilde{\kappa}_B = \left( \frac{k_1^2 - k_2^2}{k^2} + i \frac{2k_1 k_2}{k^2} \right) (\tilde{\gamma}_1 + i\tilde{\gamma}_2)
Ecuación (3): relación entre el shear y la convergencia en el espacio de Fourier en la aproximación plana.
Científicos
Fritz ZwickyVera RubinRoberto D. PecceiHelen QuinnR. Brent TullyBohdan Paczyński
Conceptos
lente gravitacional débil distribución posterior aprendizaje profundo en imagenología médica aprendizaje supervisado débil modelado de lentes gravitacionales mapeo de imagen médica a genómica mínimos cuadrados imagen de píxel único matriz de confusión modelos de difusión espectrómetro integrado regresión simbólica reconstrucción de microlente con red neuronal convergencia composite analysis muestreo anidado difusión por resonancia magnética remuestreo jackknife muestreo por rechazo autoregressive model