Quitando el velo a las galaxias: cómo la deconvolución con IA revela el apagado externo de la formación estelar
Contexto
Este trabajo se sitúa junto a investigaciones que utilizan el aprendizaje automático para procesar imágenes astronómicas y estudiar la evolución de las galaxias en entornos densos. Trabajos vecinos ya han mostrado que las redes neuronales pueden recuperar la ecuación de estado de las estrellas de neutrones a partir de ondas gravitacionales, y que los mapas de color de las afueras de las galaxias ayudan a resolver el misterio de las galaxias tempranas 'imposibles'. En esta misma línea, el presente artículo aplica la deconvolución profunda a imágenes terrestres para examinar por primera vez en detalle dónde exactamente se apaga la formación estelar dentro de las galaxias debido al entorno a grandes corrimientos al rojo.
Métodos
Los investigadores tomaron imágenes de nueve cúmulos de galaxias del sondeo GOGREEN, obtenidas con los telescopios terrestres VLT, Subaru, Magellan y CFHT en el óptico y el infrarrojo cercano. Para cada imagen construyeron un modelo de la función de dispersión de punto (PSF) que describe el desenfoque atmosférico. Luego aplicaron el método de red neuronal SUNet, que primero realiza una deconvolución lineal de Tikhonov y luego elimina el ruido mediante convoluciones multinivel similares a wavelets. El modelo se entrenó con pares de 'imagen terrestre borrosa e imagen espacial nítida' de los telescopios Hubble y James Webb. Para el infrarrojo cercano se entrenaron tres nuevos modelos basados en datos de JWST/NIRCam del sondeo COSMOS-Web. Tras la deconvolución, para cada galaxia se midieron los flujos en dos aberturas elípticas: una interna que contiene el 50% de la luz en la banda Ks y una externa que contiene el 90%. Con los colores normalizados I−J y J−K, calibrados con los colores integrados U−V y V−J, cada región se clasificó como formadora de estrellas o apagada. Las galaxias se dividieron en cuatro clases: predominantemente formadoras de estrellas, predominantemente apagadas, apagadas por dentro y apagadas por fuera.
Resultados
La deconvolución tuvo éxito en el 94.8% de las galaxias, y los fracasos casi siempre se debieron a una baja relación señal/ruido, no al tamaño de la galaxia. Entre las galaxias clasificadas como apagadas por sus colores integrados, el 21% conserva formación estelar en el centro y el 3% en las afueras. En los cúmulos, la fracción de galaxias predominantemente apagadas es del 48.5±1.7%, frente al 35.7±2.9% en el campo. El exceso de galaxias apagadas en cúmulos (QFE) es del 19.9±4.5% y no depende de la masa estelar, lo que contradice resultados previos de GOGREEN donde el QFE aumentaba con la masa. Entre las galaxias con formación estelar residual en los cúmulos, el 38.6±2.1% están apagadas por fuera y solo el 5.4±1.1% por dentro. A masas bajas (log M*/M⊙ de 10.2 a 10.6), el exceso de galaxias con afueras apagadas en cúmulos es del 22.8±5.8% (significancia de 3.9σ). A masas altas no se detectó un exceso significativo.
Implicaciones
A diferencia de trabajos vecinos que o bien recuperaban parámetros globales de las galaxias a partir de la luz integrada, o bien estudiaban la morfología sin vincularla al color, esta investigación aplica por primera vez la deconvolución profunda a datos terrestres para una clasificación espacialmente resuelta del apagado de la formación estelar en cúmulos lejanos. Esto permitió ver directamente que los colores integrados sobrestiman sistemáticamente la fracción de galaxias completamente apagadas, especialmente las masivas. Así, el trabajo pone en duda conclusiones previas sobre una fuerte dependencia de la eficiencia del apagado con la masa y señala la importancia de los datos resueltos para una interpretación correcta.
Desarrollo futuro
El método se puede escalar a muestras enormes de galaxias de sondeos terrestres como Rubin/LSST, donde el desenfoque atmosférico limita la resolución. Entrenar con imágenes de Euclid y Roman permitirá recuperar la estructura espacial de miles de millones de objetos. A corto plazo, los autores planean estudiar el espacio de fases de las galaxias con diferentes rutas de apagado para distinguir mecanismos: despojo por presión, estrangulamiento o interacción de marea.
Impacto
Los resultados influirán en la interpretación de los datos de grandes sondeos de cúmulos de galaxias y en los modelos de formación y evolución de galaxias en entornos densos. El método de deconvolución es aplicable a cualquier imagen terrestre, lo que amplía las capacidades de los telescopios existentes sin nuevas observaciones.
Próximos pasos
Estudiar la distribución de las galaxias de diferentes clases en el espacio de fases de los cúmulos (velocidad y distancia al centro) para relacionar el tipo de apagado con la historia orbital. Obtener espectros o fotometría multibanda para estimar la edad de las poblaciones estelares en las afueras apagadas y así restringir las escalas de tiempo del apagado.
Problemas abiertos clave
El trabajo aborda directamente el antiguo problema de qué mecanismo es responsable del apagado de la formación estelar en entornos densos: estrangulamiento lento (strangulation), despojo rápido por presión (ram-pressure stripping) o interacción de marea (harassment). Los datos espacialmente resueltos que muestran que el apagado ocurre de afuera hacia adentro y es más fuerte en galaxias de baja masa reducen la lista de candidatos, pero no permiten elegir definitivamente un mecanismo sin información sobre las escalas de tiempo.
La deconvolución logró una resolución de aproximadamente 0.2 segundos de arco, comparable a la del telescopio espacial Hubble, aunque las imágenes terrestres originales tenían un desenfoque de 0.5 a 0.8 segundos de arco. Es como leer letra pequeña a través de un vidrio esmerilado y de repente ver las letras nítidas.
La idea de recuperar estructuras ocultas a partir de datos borrosos recuerda a la tecnología de 'mejora de imagen' de la ciencia ficción, como en la serie 'Star Trek' o la película 'Blade Runner', donde la computadora reconstruye detalles a partir de migajas de información. Aquí la red neuronal hace lo mismo, pero estrictamente basada en un conjunto de entrenamiento de imágenes espaciales reales.
Cifras clave
- Fracción de galaxias con afueras apagadas en cúmulos a masas bajas: 22.8±5.8%
- Exceso de galaxias apagadas en cúmulos (QFE): 19.9±4.5%
- Éxito de la deconvolución: 94.8%
- Fracción de galaxias erróneamente clasificadas como apagadas por colores integrados: 24%
- Corrimiento al rojo de los cúmulos estudiados: 1.0–1.4