15 175 107 estrellas. Cada una recibió su edad. Pero ninguna cifra está exenta de un velo de incertidumbre: la edad de una estrella no es un clavo clavado en el eje del tiempo, sino una nube de probabilidad, una niebla que oculta el valor verdadero. Para la evolución galáctica, tal marca temporal es invaluable: sin ella, el mapa de la Vía Láctea permanece plano. Ya a principios del siglo XX, Cecilia Payne-Gaposchkin demostró que las estrellas están compuestas principalmente de hidrógeno, y Hans Bethe explicó cómo las reacciones nucleares determinan su ciclo vital. Sin embargo, a diferencia del brillo o la posición en el cielo, la edad no se puede medir directamente. Se deduce de modelos de evolución estelar o — para unas pocas — de oscilaciones sísmicas (astrosismología, es decir, medición de la edad a partir de las oscilaciones de la estrella), como hacían el telescopio Kepler bajo la dirección de William Borucki y TESS. Pero esas edades precisas son una gota en el océano en comparación con los millones de estrellas de las que solo tenemos datos de fotometría (medición del brillo) y espectroscopía (descomposición de la luz en longitudes de onda). La misión Gaia de la Agencia Espacial Europea ha proporcionado espectros de baja resolución para 220 millones de fuentes. De ellos se extraen temperatura, gravedad superficial, metalicidad (fracción de elementos más pesados que el helio) — parámetros que llevan la huella de la edad. La cuestión es cómo reconstruir la cronología a partir de estas pistas indirectas.
Los investigadores entrenaron un conjunto de 135 569 estrellas del proyecto APOGEE — sus edades se conocían con suficiente precisión. Con estos patrones entrenaron NGBoost — un algoritmo de aprendizaje automático que no entrega un único número, sino una distribución completa de probabilidades. Sin embargo, el NGBoost estándar considera que las etiquetas son absolutamente precisas, cuando en realidad las edades de los patrones contienen errores. Por ello, modificaron la función de pérdida: la varianza total del modelo pasó a incluir el cuadrado del error de la edad de entrenamiento: \(\sigma_{\text{total}}^2 = \sigma^2 + \sigma_{A,\text{obs}}^2\). En otras palabras, la incertidumbre del modelo se suma a la imprecisión conocida de las etiquetas. Pero también los datos de entrada — temperatura, composición química — se conocen con errores. Para evaluar cómo esta incertidumbre se filtra en el resultado, aplicaron el método de Montecarlo (simulación con muestreo aleatorio múltiple): para cada estrella generaron 200 variantes de los parámetros de entrada, ligeramente perturbadas dentro de los márgenes de error, y promediaron las predicciones. Así nació un modelo que no solo indica la edad, sino que también informa honestamente sobre la dispersión.
En la muestra de prueba, las edades predichas se alinearon a lo largo de la línea de concordancia perfecta, mostrando un desplazamiento sistemático de solo –0,119 mil millones de años y una dispersión de 1,200 mil millones de años. Las estrellas con mayores incertidumbres recibieron intervalos predichos más amplios — el modelo evaluaba adecuadamente su confianza. Luego, el algoritmo se aplicó a 15 175 107 estrellas del catálogo Gaia con parámetros en ciertos rangos (temperatura 3700–6032 K, logaritmo de la gravedad superficial 0,66–4,83, metalicidad de –0,76 a 0,53). Para cada una ahora se conoce no solo la edad, sino también tres componentes del error: el propio del modelo, el transferido de los datos de entrada y el total. El error total típico es de aproximadamente 1,4 mil millones de años — aproximadamente un cuarto de la edad de la Tierra.
La comparación con catálogos independientes obtenidos mediante métodos de astrosismología y espectroscopía confirmó la concordancia: las discrepancias se sitúan entre 1,5 y 1,8 mil millones de años, y los principales desplazamientos sistemáticos se heredan de la escala de edades de la muestra de entrenamiento. El resultado principal no son solo cifras, sino un mapa honesto de errores. Ahora los astrónomos pueden seleccionar estrellas con precisión de edad aceptable para estudiar la evolución galáctica. El enfoque probabilístico permite no ocultar la incertidumbre, sino trabajar con ella: construir distribuciones de edades en diferentes regiones de la Vía Láctea, recordando que cada edad no es un clavo, sino una nube de probabilidad. Esto es especialmente valioso para la historia de la formación estelar y la evolución química del disco. En el futuro, el modelo podrá incorporar indicadores adicionales — contenido de litio, rotación estelar — y utilizar datos de otros grandes estudios, como LAMOST o el futuro espectrógrafo 4MOST. El refinamiento de la escala de edades con nuevos datos astrosismológicos reducirá la niebla probabilística. Así, mirando a través de ella, los investigadores comienzan a distinguir los contornos de la historia de la Vía Láctea. La imprecisión de las edades sigue siendo el principal obstáculo, pero la contabilización honesta de las incertidumbres es una forma de no perderse en la niebla, sino de trazar una ruta fiable a través de ella.
La edad de la estrella más antigua conocida en la Vía Láctea (HD 140283, 'Matusalén') se estimó inicialmente en 16 mil millones de años, ¡más que la edad del Universo! Posteriormente se corrigió el error, pero el caso muestra lo difícil que es medir la edad. El nuevo método está precisamente destinado a reducir tales incidentes, señalando con honestidad la borrosidad de la estimación.
La idea de leer la edad de una estrella a partir de su espectro recuerda al tricorder de 'Star Trek', capaz de determinar la composición y edad de cualquier objeto en un segundo. La realidad aún está lejos de semejante precisión, pero un catálogo de 15 millones de estrellas es un paso hacia el 'tricorder galáctico'.