Caleidoscopio de ruidos: así se puede describir el flujo de datos que brota de los interferómetros LIGO. Estos detectores, creados por Rainer Weiss, Kip Thorne y Barry Barish, capturan las ondulaciones del espacio-tiempo de las fusiones de agujeros negros, pero al mismo tiempo registran de todo: el chirrido de las vibraciones terrestres, el zumbido de las interferencias eléctricas, los pasos de un camión que pasa. Cada una de estas perturbaciones es un glitch, un breve estallido de ruido, a veces indistinguible de la señal de ondas gravitacionales buscada. Con el aumento de la sensibilidad en la sesión O4a, el caleidoscopio giró más rápido: los patrones se hicieron más diversos y los clasificadores habituales, entrenados en formas antiguas, dejaron de reconocer las nuevas.

Entra en escena el aprendizaje automático, más concretamente el algoritmo DANTE V3, que funciona como un objetivo multifocal. En lugar de una única ventana fija, escanea los datos en cuatro escalas temporales, desde 0.5 hasta 4 segundos. En cada escala se construye un espectrograma, un retrato tiempo-frecuencia de la señal. Un Transformador DINOv2 especialmente entrenado divide este retrato en parches y, mediante el mecanismo de Multiple Instance Learning (centrado en los fragmentos más anómalos), selecciona los más sospechosos, suprimiendo el fondo. Pero la trampa principal es la deriva de la variedad de ruido: los detectores cambian continuamente sus «hábitos», y lo que ayer era normal, hoy parece una anomalía. Para no confundir la propia evolución del caleidoscopio con patrones inusuales, DANTE utiliza una doble protección. Primero, Domain Shift Defence: cada candidato se compara con un «atlas» de 1216 patrones de ruido típicos, recopilados en periodos de calma. Luego, vetos físicos: si un estallido en el canal gravitacional coincide con oscilaciones de los sensores sísmicos o magnéticos (canales PEM), se considera inducido.

De 84 sesiones de funcionamiento de dos detectores (H1 y L1) se extrajeron 10 372 candidatos únicos. Tras el filtrado mediante la protección contra la deriva de dominio, el panorama cambió drásticamente: solo quedó el 28.3% de los eventos; el resto resultó ser producto del fondo a la deriva. El análisis de agrupamiento no reveló familias compactas: todos los supervivientes se fusionaron en una nube difusa, indistinguible de las fluctuaciones aleatorias. Dos eventos se mantuvieron aparte. El primero (H1, GPS 1369305276.0) fue descartado de plano: su coherencia con el canal del sistema de control fue de 0.987. El segundo solitario (L1, GPS 1382955228.0) superó todas las comprobaciones: ninguno de los siete canales PEM mostró una correlación significativa y no se encontró respuesta en el detector gemelo H1. Sin embargo, la ausencia de un patrón de ondas gravitacionales no permite atribuirle un origen astrofísico, por lo que se clasifica con cautela como una ráfaga instrumental no catalogada. El límite superior en la tasa de aparición de estos glitches nunca vistos fue de 5.83 eventos por año para H1 y 5.63 para L1.

La historia de DANTE V3 muestra claramente: sin basarse en el contexto real del ruido, los algoritmos no supervisados tienden a multiplicar las entidades. Un protocolo en el que cada etapa se calibra con datos empíricos, y no con suposiciones analíticas, se convierte en un filtro fiable para futuras observaciones de ondas gravitacionales. El siguiente paso es crear una versión causal que funcione en tiempo real: un índice deslizante del fondo permitirá integrar el proceso en el monitoreo operativo de los datos de O4b y las siguientes sesiones. Así, el caleidoscopio de ruidos deja de ser caos y se transforma en un mapa en el que las ondulaciones reales del espacio-tiempo se dibujan cada vez con mayor nitidez.