Caligrafía cósmica: una red neuronal universal capta ráfagas de radio rápidas

‹›

En 1967, Jocelyn Bell Burnell captó la primera «voz» de una estrella de neutrones: el pulso riguroso de un púlsar. Hoy los radioastrónomos escuchan señales mucho más fugaces: ráfagas de radio rápidas (FRB), que duran milisegundos y llegan desde galaxias lejanas. En el espectro dinámico, cada estallido dibuja una curva característica: las frecuencias altas llegan un poco antes que las bajas, como el sonido de una flauta deslizándose sobre un pentagrama. Este retraso es obra del plasma intergaláctico, que dispersa las ondas de radio y convierte cada FRB en un gráfico en miniatura, cargado de información oculta sobre la materia invisible del universo.

Los investigadores decidieron hacer un experimento mental: ¿qué pasaría si mostráramos una imagen con un espectrograma a una red neuronal que nunca ha oído hablar de FRB, pero que ha visto miles de millones de imágenes terrestres: gatos, puentes, atardeceres? ¿Podría, como un calígrafo que reconoce la mano de un maestro en un alfabeto desconocido, distinguir la curva característica del trazo cósmico? Para la prueba, tomaron el modelo compacto Gemma 4, le «dieron de comer» 2000 espectros simulados en banda L y le hicieron una breve pregunta textual: «¿Hay en la imagen un pulso único de banda ancha con retardo de frecuencia?» Sin ejemplos, sin coordenadas: solo la misma secuencia visual que mira un astrónomo.

El resultado fue casi artístico. Con el umbral estándar, el modelo Gemma 4 2B alcanzó una precisión del 93.65%, estadísticamente indistinguible del 92.90% del detector profesional SwinYNet. Pero el diablo, como siempre, está en los detalles: el VLM solo dejó pasar el 6.4% de las interferencias de radio, mientras que SwinYNet, cuatro veces más. El modelo nunca confundió ruido puro con una ráfaga, como si su experiencia visual le hubiera enseñado a distinguir una curva con sentido del ruido blanco, con la misma facilidad con que el ojo diferencia una firma de una mancha. Sin embargo, la elegancia tuvo un precio: las FRB más débiles, que apenas sobresalían del nivel de interferencia, a veces pasaban desapercibidas para la red universal, pues solo veía una textura aleatoria. En cambio, SwinYNet no se perdía ni una sola ráfaga, pero solía tomar por tales interferencias estructuradas como señales similares a Wi-Fi.

Este experimento rompe el estereotipo de que las tareas científicas requieren modelos estrechos, entrenados con datos específicos. Resulta que una red neuronal que ha absorbido el vocabulario visual de lo cotidiano ya posee algo parecido a una intuición de la forma, y está lista para sentarse al mando de cualquier telescopio. A futuro, estos modelos podrían reentrenarse con datos reales, dotarlos de memoria de decisiones pasadas e incluso incorporarlos en flujos de trabajo que filtran millones de candidatos en busca de un solo destello valioso. Y si se combinan con un módulo físico, el VLM podría formular hipótesis sobre el corrimiento al rojo a través de la medida de dispersión, ayudando a responder preguntas sobre la naturaleza de las estrellas de neutrones y los bariones perdidos: cada FRB, al atravesar el plasma intergaláctico, lleva el «sello» de la materia que ha cruzado, lo que permite pesar lo que no brilla en los telescopios. Así, la caligrafía cósmica encuentra su lector universal. Y quizás la lección principal no sea sobre astrofísica, sino sobre la inteligencia artificial misma: los sistemas realmente inteligentes no deben memorizar reglas particulares, sino comprender la armonía de las formas; entonces se les revelará incluso la escritura de galaxias lejanas.