
Uso de inteligencia artificial para crear mapas detallados de las estructuras galácticas y la distribución de la materia oscura.El mapeo de galaxias mediante redes neuronales utiliza inteligencia artificial para crear mapas detallados de las estructuras galácticas y la distribución de la materia oscura. Este enfoque se ha vuelto esencial porque la materia oscura, que constituye la mayor parte de la masa del universo, no emite luz y solo puede inferirse a través de sus efectos gravitacionales. Al entrenar redes neuronales con grandes conjuntos de datos de imágenes y simulaciones de galaxias, los investigadores pueden identificar patrones que revelan el andamiaje subyacente de la materia oscura, incluyendo filamentos, halos y vacíos.
La aplicación de redes neuronales al mapeo de galaxias ganó impulso en la década de 2010, con avances importantes impulsados por el aprendizaje profundo y grandes sondeos como SDSS y DES. La técnica se adoptó ampliamente tras éxitos en la clasificación de galaxias y la detección de lentes gravitacionales.
Las redes neuronales, particularmente las arquitecturas convolucionales y basadas en grafos, aprenden a reconocer características en los datos de los sondeos de galaxias. Se entrenan en universos simulados donde se conoce la verdadera distribución de la materia oscura y luego se aplican a observaciones reales. Las redes pueden detectar distorsiones sutiles en las formas de las galaxias causadas por el lente gravitacional, o clasificar galaxias por morfología para trazar la estructura a gran escala, llenando efectivamente los vacíos donde la medición directa es imposible.
Se utiliza en sondeos cosmológicos para crear mapas de materia oscura, identificar lentes gravitacionales y mejorar las estimaciones de parámetros cósmicos como la densidad de materia y la amplitud de agrupamiento.
Una red neuronal descubrió una vez 247 nuevas lentes gravitacionales en un solo sondeo, más de lo que muchas búsquedas lideradas por humanos habían encontrado en años.
























