La materia oscura son hilos invisibles que atraviesan el cosmos. En ellos, como cuentas, se sostienen las galaxias. Para entender las leyes del universo, los astrónomos comparan mapas de galaxias reales con miles de modelos simulados. Antes, cada modelo debía crearse mediante detalladas simulaciones numéricas — mundos virtuales con gas, estrellas y agujeros negros. Estos cálculos llevaban meses en supercomputadoras.

El nuevo enfoque funciona como un bordado instantáneo. Se toma un burdo boceto tridimensional — un mapa de baja resolución de la densidad de materia oscura (borroso, como un dibujo en papel encerado). La red neuronal, entrenada con ejemplos precisos, convierte ese esbozo en un lienzo detallado en segundos: coloca cientos de galaxias, indica sus masas estelares y la tasa de formación de nuevas estrellas. Para ello, utiliza una arquitectura de Transformadores con elementos de redes neuronales convolucionales — cada futura galaxia «mira» a las demás, logrando una armonía general. En esencia, es un modelo de difusión — aprende a eliminar el ruido de un conjunto aleatorio de puntos hasta que surge un patrón ordenado del caos.

El entrenamiento se realizó con datos del proyecto IllustrisTNG: la máquina procesó 90 mil parches de entrenamiento para aprender a reconstruir la estructura a gran escala — una red de filamentos y cúmulos. Después, un cubo de 151 megapársecs de lado (casi 500 millones de años luz) se llena en 10 segundos en una tarjeta gráfica de juegos común. Este generador vincula directamente la masa invisible con los objetos observables, saltándose la larga cadena de cálculos intermedios. Esto acelera el análisis para los futuros sondeos celestes DESI y Euclid y ayudará a extraer con mayor precisión la señal de parámetros cosmológicos — por ejemplo, el corrimiento al rojo, que indica la expansión del universo. El lienzo oscuro ya no es un misterio: las veloces puntadas de la red neuronal revelan en él el mapa del cosmos.