Como un escultor de sombras: una red neuronal descifra lentes cósmicas a partir de cuatro puntos ✛ ✎

Original: "Speeding up Gravitational Lens Mass Models with Machine Learning: Applications in X-ray Astronomy"
arXiv:2607.22812v1 · 2026-07-24 · arXiv non-exclusive · análisis propio · 1 min
Con solo cuatro coordenadas de las imágenes, la red neuronal reconstruye en segundos la forma de una lente gravitacional, acelerando el estudio de galaxias lejanas.

Cuatro puntos en el cielo son el mismo cuásar. Su luz fue curvada por una lente gravitacional: una galaxia masiva en la línea de visión. Por la forma de estas imágenes, como un escultor de sombras, se puede reconstruir cómo está distribuida la masa invisible de la lente. Pero antes, esto requería días de cálculos manuales.

Una red neuronal, entrenada con millones de ejemplos, ahora lo hace en minutos. No necesita imágenes, solo las coordenadas de las cuatro imágenes. Predice cuán achatada está la lente y cuál es su masa total. Así como un escultor adivina la curvatura del vidrio a partir de varias sombras.

La precisión es de 0,5 milisegundos de arco. Aproximadamente como ver desde la Tierra un balón de fútbol en la Luna.

El método ya se ha probado en cuásares reales. Ahora los astrónomos podrán procesar rápidamente miles de nuevos sistemas y buscar objetos únicos: agujeros negros dobles, flujos de materia, pistas sobre la materia oscura y ondas gravitacionales.

Las dos redes neuronales nunca vieron imágenes reales durante el entrenamiento: se entrenaron con datos sintéticos, pero con cuásares reales funcionaron con la misma fiabilidad que si hubieran aprendido con imágenes auténticas.

Científicos
Fritz ZwickyAndrey Markov
Conceptos
modelado de lentes gravitacionales mapeo de galaxias con redes neuronales grandes modelos de lenguaje modelo de lenguaje de proteínas microlente gravitacional imagen médica con IA lente gravitacional redes neuronales en mapeo espacial aprendizaje automático aprendizaje profundo en imagenología médica generalización astrofísica con IA maser parámetro clasificación de imágenes xgboost datos de entrenamiento métodos de detección de materia oscura escalera de distancias cósmicas xrism