Por qué las galaxias se apagan de fuera hacia dentro: una red neuronal despeja la niebla de las imágenes lejanas
Una fotografía de una galaxia lejana tomada desde la Tierra se parece a mirar a través de un vidrio esmerilado: la atmósfera difumina los detalles y no vemos dónde exactamente nacen las estrellas en la galaxia. Una red neuronal aprendió a quitar ese velo, restaurando la nitidez a partir de muestras de imágenes espaciales.
Los científicos tomaron nueve cúmulos de galaxias que vemos tal como eran cuando el universo tenía unos 5 mil millones de años. Tras el procesamiento, cada galaxia se dividió en una parte interna y una externa, y se examinó por colores si allí nacen estrellas. Resultó que, entre las galaxias que se consideraban completamente apagadas, el 21% aún mantiene formación estelar en el centro y el 3% en los bordes. En los cúmulos, la proporción de galaxias apagadas es mayor que en el campo, pero ese exceso no depende de la masa, lo que contradice conclusiones anteriores.
Esto significa que las galaxias a menudo se apagan de fuera hacia dentro, especialmente las pequeñas. Antes se pensaba que la eficiencia del apagado dependía fuertemente de la masa, pero ahora se ve que el color total engañaba. El método se puede aplicar a los estudios terrestres ya existentes para obtener información sobre millones de galaxias sin nuevas observaciones. Quitar el vidrio esmerilado de las galaxias lejanas apenas comienza.
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.