El rompecabezas que no encaja: la red neuronal busca cuásares anómalos ✛
Al armar el rompecabezas del Universo, los astrónomos están acostumbrados a que cada nueva pieza encaje exactamente en el cuadro ya formado. Pero a veces aparecen piezas que parecen recortadas de otro rompecabezas. Veinte mil núcleos galácticos activos — y el once por ciento de ellos la red neuronal descarta con seguridad como extraños. ¿Qué son: bestias raras del zoológico galáctico o engaños de los instrumentos?
Durante tres años y medio, el telescopio VST fue tomando imágenes de una región del cielo en la constelación del Sextante, recogiendo curvas de luz fotométricas — gráficos del titileo de la luz de fuentes lejanas. Detrás de ese centelleo se esconde la física: un agujero negro, su disco de acreción, nubes de polvo. Pero ¿cómo distinguir un raro evento cósmico de una simple mala imagen? En ayuda llega el autoencoder — una red neuronal que aprende a comprimir datos típicos en un código compacto y luego reconstruirlos. Un objeto atípico lo reconstruirá con errores notables. La magnitud de ese error sirve como bandera de anomalía.
El autoencoder no trabajó con observaciones brutas, sino con 37 características — parámetros de variabilidad, color, amplitudes. Así los astrofísicos incorporaron su conocimiento directamente en la red neuronal. El umbral de anomalía se fijó en el percentil 95 del error: todo lo que se reconstruye peor que el 95% de la muestra pasó a ser sospechoso. De las 20 647 fuentes, se acumularon 272 — el 11,18%. Entre ellas predominaban absolutamente los núcleos activos (242 frente a 16 galaxias y 14 estrellas), y los núcleos descubiertos se marcaban casi siempre (90,7%!), los ocultos, tres veces menos.
Pero ¿cómo saber qué anomalía se debe a astrofísica real y cuál a un artefacto de observación? Aquí entra SHAP — un método que descompone la contribución de cada característica a la puntuación final. Como una lupa, muestra qué rincón de la «pieza del rompecabezas» se sale del cuadro general. Para los AGN anómalos, los principales culpables resultaron ser los parámetros de variabilidad: dispersión excesiva, amplitud de caminata aleatoria. Para galaxias y estrellas, la anomalía la dictaban características muy diferentes. Esto permitió separar los casos físicamente interesantes (estructura inusual del toro de polvo, tipo de núcleo intermedio) de los fallos en la metodología de medición.
Por delante está la era del LSST, cuando una avalancha de datos fotométricos inundará la astronomía. No se puede prescindir de detectores automáticos. Este trabajo demostró que los autoencoders con IA explicable pueden convertirse no solo en filtros, sino en herramientas significativas para buscar las etapas más raras de la evolución galáctica. El siguiente paso es probar con curvas de luz sintéticas y agregar información contextual, como corrimiento al rojo y morfología de las galaxias. Ahora los astrónomos tienen una herramienta que no solo descarta piezas sobrantes, sino que ilumina el rompecabezas listo para formar una imagen inesperada.
La red declaró anómalos el 90,7% de los AGN no oscurecidos; de hecho, para ella lo «normal» resultó ser el núcleo oscurecido, y todo lo demás, una desviación.