El cielo de rayos gamma como una orquesta: el control débil detecta anomalías ✛ ✦
El cielo de rayos gamma captado por el telescopio Fermi es una grandiosa sinfonía de miles de fuentes. Aquí las pulsaciones rítmicas de púlsares, los potentes acordes de núcleos activos de galaxias, pero sobre todo objetos no identificados, cuya parte sigue siendo un misterio. Los métodos tradicionales de búsqueda de nueva física requieren una partitura precisa: hay que saber cómo suena la señal de la aniquilación de materia oscura o de las oscilaciones axión-fotón. Pero la naturaleza puede tocar una melodía diferente a la que esperamos. Por eso los científicos recurrieron al aprendizaje débilmente supervisado, una técnica que capta la disonancia incluso sin conocer las notas.
La idea es elegante, como afinar el oído. Imagina dos grabaciones: en la primera, una orquesta impecable (fondo limpio); en la segunda, la misma orquesta, pero en la sala podría haber un solista no invitado, cuya voz se entreteje en el sonido (muestra mezclada). El clasificador débilmente supervisado aprende a diferenciar estas grabaciones, detectando rasgos no característicos del fondo. Como un oyente experto que nota enseguida las notas falsas, el algoritmo agudiza su sensibilidad a las más mínimas desviaciones. En el trabajo se usaron espectros reales y sintetizados mediante flujos normalizadores (técnicas de espectroscopía y fotometría), y el clasificador fue un conjunto de árboles de decisión con gradiente potenciado.
Los autores probaron el método en tres escenarios. En el primero, separar púlsares de núcleos activos de galaxias: con una proporción de la clase anómala del 10%, el control débil alcanzó una tasa de verdaderos positivos de aproximadamente 0.7, casi igualando a su contraparte supervisada. En el segundo, buscar subhalos de materia oscura de 80 GeV que se aniquilan en quarks b. Aquí el resultado modesto (tasa de detección ~0.4 con baja tasa de falsas alarmas) resaltó lo principal: el método no necesita conocer con precisión el espectro de la señal, por lo que puede ver lo que no encaja en ningún modelo. El tercer escenario es aún más sutil: buscar distorsiones espectrales debidas a oscilaciones axión-fotón (idea de Roberto Peccei) en una galaxia. Incluso con una fracción de señal del 3%, el algoritmo captaba anomalías, aunque la tasa de falsas alarmas aumentaba: el precio inevitable de la libertad frente a los patrones. Para oír la voz tenue del solista, hay que amplificar todos los sonidos, con el riesgo de confundir un siseo con una nueva partitura.
Esta estrategia no reemplaza las búsquedas dirigidas, pero ofrece a los astrofísicos un detector automático de rarezas. Clasifica cientos o miles de fuentes, destacando a los candidatos más sospechosos. En el futuro, el método se aplicará a todo el archivo de Fermi y a los datos de nuevos observatorios. Redes neuronales profundas, análisis bayesiano: todo esto convertirá la caza ciega de anomalías en una cadena de descubrimientos. Es notable que ya se usan enfoques similares en el Gran Colisionador de Hadrones para buscar nuevas partículas: las anomalías no reconocen fronteras entre el cielo y el acelerador.
Cuando Vera Rubin observó rarezas en la rotación de las galaxias, no buscaba materia oscura: vio una anomalía. Cuando Jocelyn Bell Burnell detectó los pulsos de radio, no modeló una estrella de neutrones: notó una disonancia. Los algoritmos débilmente supervisados continúan esta tradición: escuchar el cielo, sin saber lo que buscas, y sorprenderte.
Casi un tercio de las fuentes del catálogo Fermi siguen sin identificar, como si en una orquesta uno de cada tres instrumentos fuera desconocido y tocara una melodía misteriosa.
Recuerda a la novela 'Materia oscura' de Blake Crouch: la búsqueda de una sustancia invisible a través de sus huellas en rayos gamma conduce a puertas hacia realidades paralelas, y cada espectro anómalo podría ser una de esas puertas.