La telaraña cósmica atada a una red neuronal exprés

Original: "Emulating Cosmic Structure Formation with a Lagrangian Neural Cellular Automaton"
arXiv:2607.27320 · 2026-07-29 · CC BY 4.0 · 2 min
Un nuevo enfoque híbrido aprende del universo a tejer su estructura a gran escala, ahorrando potencia de cálculo.

En una habitación oscura suena música. En el suelo se ha esparcido polvo fino, casi invisible. Las bajas frecuencias hacen que se agrupe en patrones caprichosos: filamentos, cúmulos, vacíos. De manera similar, la gravedad ha ido tejiendo durante miles de millones de años las galaxias en la telaraña cósmica, solo que en lugar de ondas sonoras actúa la atracción. Para entender con qué "melodía" comenzó todo, hay que retroceder en el tiempo: volver del patrón ya formado al puñado inicial de polvo. Esta es la tarea de reconstruir las condiciones iniciales del universo.

Las simulaciones informáticas convencionales son demasiado pesadas para ese viaje hacia atrás. Calculan honestamente cada empujón gravitatorio, pero una iteración puede llevar horas. Los métodos aproximados son más rápidos, pero recortan esquinas: pierden esa dinámica de encaje donde nacen los halos. Los autores del trabajo proponen un compromiso: un autómata celular con cerebro de red neuronal. El modelo LNCA (autómata neurocelular lagrangiano) no sigue una rejilla fija de densidad, sino las propias partículas de materia y se mueve con ellas. Solo aprende a corregir una conjetura burda pero físicamente significativa: la aproximación de Zeldóvich. Sobre esta base, el modelo añade desplazamientos residuales cuidadosos. Así se mantiene la precisión a gran escala, y el aprendizaje dibuja los detalles finos.

El modelo LNCA utiliza aproximadamente 10 000 veces menos parámetros ajustables que redes de precisión comparable. Es como describir las reglas de tráfico en lugar de memorizar cada ruta.

El secreto del ahorro está en la localidad. Cada célula del autómata actualiza su estado mirando solo a sus vecinos más cercanos, y lo hace paso a paso. El resultado no es solo una instantánea final, sino toda la historia del movimiento, como una filmación cuadro a cuadro del baile de las partículas de polvo. Las reglas de este baile se rotan y se desplazan junto con la materia: la arquitectura posee equivariancia rotacional y traslacional. La precisión final es impresionante. Hasta escalas de unos 12 megapársecs (aproximadamente 40 millones de años luz), el modelo no se equivoca más que en unos pocos por cien. Es un péndulo fiable para retroceder en el tiempo, desde la telaraña actual hasta un comienzo casi homogéneo.

La aproximación de Zeldóvich, que el modelo toma como base, fue ideada en 1970 para describir el crecimiento de las perturbaciones en un universo en expansión. Es tan acertada que todavía sirve como "aproximación de orden cero" en muchos cálculos cosmológicos.

En la novela "El fin de la eternidad", Isaac Asimov describe una organización que corrige la historia calculando las consecuencias de los cambios más mínimos. LNCA es un paso hacia ese "computador de la realidad", capaz de reconstruir las condiciones iniciales a partir del patrón actual de galaxias.

Científicos
Albert EinsteinBarry BarishKip ThorneRichard FeynmanRussell HulseJocelyn Bell Burnell
Conceptos
nonlinear laplacian spectral analysis lagrangiano redes neuronales en mapeo espacial formación de estructuras cósmicas modelado físico con redes neuronales simulación por computadora simulación cosmológica