¡Reinventa los límites de la exploración espacial profunda! Nuestros científicos utilizan modelos de IA astronómica para crear el "Mapa de Profundidad Extrema"

Explorar cuerpos celestes y estructuras débiles y distantes es clave para resolver misterios científicos como el origen y la evolución del universo, el ciclo de materia y energía, entre otros. Científicos de nuestro país, basándose en principios de óptica computacional y algoritmos de inteligencia artificial, han desarrollado el modelo astronómico de IA “Xingyan”, que puede desbloquear señales de cuerpos celestes débiles, detectar galaxias a más de 13 mil millones de años luz y obtener las imágenes de espacio profundo más profundas conocidas internacionalmente hasta la fecha. Este logro fue publicado en línea en Science en la madrugada del 20 de febrero.

Los cuerpos celestes débiles contienen información clave para entender el origen y la evolución del universo. Sin embargo, el ruido de fondo de la luz del cielo y la radiación térmica de los telescopios se superponen, lo que puede interferir con las señales de estos cuerpos débiles, constituyendo un gran desafío para la exploración del cosmos.

La imagen muestra un esquema conceptual del modelo astronómico de IA “Xingyan”. (Proporcionada por el entrevistado)

El profesor Dai Qionghai de la Facultad de Automatización de la Universidad Tsinghua, el profesor asociado Cai Zheng de la Facultad de Astronomía, y la profesora asociada Wu Jiamin de la misma facultad, lideraron el equipo que desarrolló el modelo Xingyan, capaz de decodificar los vastos datos de los telescopios espaciales y ser compatible con múltiples dispositivos de detección, con la esperanza de convertirse en una plataforma universal de mejora de datos de espacio profundo.

“Magnitud” es la clasificación de la luminosidad de los cuerpos celestes; cuanto mayor es el valor, más oscuros son. Estudios muestran que al aplicar Xingyan en el telescopio espacial James Webb, el rango de cobertura puede extenderse desde la luz visible (aproximadamente 500 nanómetros) hasta el infrarrojo medio (5 micrómetros), elevando la profundidad de detección en espacio profundo en una magnitud y mejorando la precisión de detección en 1.6 magnitudes — lo que equivale a aumentar el diámetro efectivo del telescopio espacial de aproximadamente 6 metros a cerca de 10 metros.

“Generamos las imágenes de espacio profundo con la mayor profundidad de detección internacional hasta ahora, rompiendo límites en la exploración del espacio profundo y creando imágenes extremadamente profundas”, dijo Cai Zheng. El equipo, utilizando Xingyan, descubrió más de 160 galaxias candidatas en los primeros momentos del universo, que existieron entre 200 y 500 millones de años después del Big Bang, mientras que anteriormente solo se habían encontrado unas 50 galaxias de ese período a nivel internacional.

La imagen compara los resultados de investigaciones previas (marcadas con estrellas azul-púrpura) y las galaxias candidatas descubiertas por Xingyan (marcadas con estrellas naranjas). (Proporcionada por el entrevistado)

El profesor Wu Jiamin explicó que la tecnología de “eliminación de ruido en el espacio-tiempo mediante auto-supervisión” de Xingyan se centra en la extracción y reconstrucción de señales débiles, mediante modelado conjunto del ruido y la luminosidad de las estrellas, entrenando directamente con vastos datos de observación, lo que aumenta la profundidad de detección y garantiza la precisión.

Los revisores de Science comentaron que este estudio proporciona una “herramienta poderosa” para la detección del universo y que “tendrá un impacto importante en el campo de la astronomía”.

El profesor Dai Qionghai afirmó que, gracias a Xingyan, los cuerpos celestes débiles afectados por el ruido en las observaciones astronómicas pueden ser reproducidos con alta fidelidad. Se espera que esta tecnología se aplique en más telescopios de nueva generación en el futuro, ayudando a descifrar problemas científicos importantes como la energía oscura, la materia oscura, el origen del universo y los exoplanetas.

(Procedencia: Xinhua)