Al mapear el universo, Vale la pena tener una programación inteligente. Los expertos comparten cómo el aprendizaje automático está cambiando el futuro de la astronomía.

La astronomía es una de las ciencias más antiguas y la primera ciencia en incorporar matemáticas y geometría. Se encuentra en el centro de la búsqueda de la humanidad por su lugar en el universo.

A medida que profundizamos en el espacio que rodea nuestro planeta, las herramientas que utilizamos se vuelven más complejas. Los astrónomos han recorrido un largo camino desde rastrear el cielo nocturno a simple vista o catalogar las estrellas con lápiz y papel.

Los astrónomos modernos utilizan técnicas avanzadas de programación informática en su trabajo, desde programar satélites hasta enseñar a las computadoras a analizar datos como un investigador.

Entonces, ¿qué hacen los astrónomos con sus computadoras?

Mo 'datos, más problemas

El big data es un gran problema en astronomía. La próxima generación de telescopios ópticos y de radio podrá cartografiar grandes porciones del cielo nocturno. Square Kilometer Array (SKA) llevará el procesamiento de datos a sus límites.

Construido en dos fases, el SKA tendrá más de 2000 antenas de radio y 2 millones de antenas de baja frecuencia una vez terminado. Estas antenas combinadas producirán más de un exabyte de datos cada día, más que el uso diario de Internet en el mundo. Luego, los datos se procesan para que sean manejables, lo que significa que el tamaño de los datos con los que tienen que lidiar los astrónomos será menor.

Explica el científico del proyecto del australiano SKA Pathfinder, el Dr. Aidan Hotan.

"Los datos de un conjunto de radiotelescopios se parecen mucho al flujo de agua a través de un ecosistema. Cada una de las antenas produce datos, que luego se transmite a cierta distancia y se combina con otras antenas en varias etapas, como afluentes más pequeños que se combinan en un río más grande, "dice Aidan.

"La mayor velocidad de datos que puede considerar es la salida sin procesar total de cada antena individual, Pero en la realidad, reducimos esa tasa total a números más manejables a medida que fluimos por el sistema. Podemos combinar las señales de manera que retengan solo la información que queremos o podemos utilizar ".

Si bien el SKA será el proyecto más grande de su tipo, muchos telescopios modernos son capaces de recopilar datos más rápido de lo que los humanos pueden usarlos.

Cómo encontrar una explosión

El SKA será una herramienta revolucionaria para los astrónomos una vez que esté completo. Ya, Los astrónomos están preparando su trabajo para la fase uno del SKA. Para hacer esto, están trabajando en formas de hacer su trabajo más rápido y más fácil mediante la automatización del registro y procesamiento de datos.

Entonces, ¿qué tipo de trabajo pueden automatizar los astrónomos?

La Dra. Gemma Anderson es investigadora asociada en el Centro Internacional de Investigación en Radioastronomía en Perth. Allí, ha programado radiotelescopios australianos para monitorear automáticamente las explosiones en el espacio.

"Tenemos un telescopio en el espacio diseñado para buscar explosiones. El telescopio espacial envía información a la Tierra, y tengo dos de los grandes radiotelescopios de Australia configurados para recibir esa señal. Cuando reciben la señal, estos telescopios detienen lo que están haciendo e intentan observar la explosión lo más rápido posible, "Dice Gemma.

Gemma usa el observatorio Swift, actualmente orbitando la Tierra, para encontrar explosiones de rayos gamma en el espacio. Las ráfagas son de corta duración, subproducto increíblemente energético de las estrellas moribundas.

Gemma y su equipo han programado Murchison Widefield Array de Australia y Australia Telescope Compact Array para recibir alertas de Swift y señalar la fuente del estallido de rayos gamma.

En el pasado, Los datos de telescopios como este eran lo suficientemente pequeños como para que los astrónomos pudieran trabajar por sí mismos. Ahora, Gemma utiliza un software que automatiza gran parte de este proceso.

El procesamiento de datos es una tarea tan grande que debe realizarse en supercomputadoras. Las supercomputadoras son computadoras poderosas que a menudo pueden procesar grandes cantidades de datos en horas en lugar de los meses o años que tomaría una computadora portátil estándar. El producto final es una imagen que Gemma puede utilizar para la investigación sin necesidad de procesar los datos por sí misma.

"Para aquellas personas interesadas en ser astrónomo, es muy importante adquirir experiencia en programación informática. Necesitamos ser más competentes en el procesamiento y análisis de grandes cantidades de datos, "Dice Gemma.

Enseñar a un robot

La Dra. Rebecca Lange del Curtin Institute for Computation and Astronomy Data and Computing Services está ayudando a los astrónomos a mejorar sus técnicas de programación informática brindándoles capacitación.

"Creo que los astrónomos tendrán que empezar a trabajar más con ingenieros de software. En el lapso de tiempo intermedio, aunque, los astrónomos mejorarán en informática. Cosas como la programación deben convertirse en parte del entrenamiento. No solo para los astrónomos, es importante para cualquiera que haga ciencia ahora, "Rebecca dice.

Entre las técnicas en las que Rebecca entrena a los astrónomos se encuentra el aprendizaje automático. No te preocupes, no es el tipo de aprendizaje que conduce a un levantamiento de robots.

"El uso del aprendizaje automático generalmente implica una búsqueda automatizada a través de un archivo de imagen enorme, buscando lo que llamamos fuentes:los objetos en el espacio que emiten señales de radio naturales. Estas fuentes aparecen como puntos brillantes sobre un fondo oscuro, "dice Aidan.

"Dado que la mayor parte del espacio está vacío, El uso de un buscador de fuentes inteligente hace que sea mucho más fácil para los científicos averiguar dónde están las partes interesantes. Sin embargo, este buscador de fuentes debe ser lo suficientemente inteligente como para clasificar una gran cantidad de diferentes tipos de objetos, including things that human eyes have never before seen."

One source might be a galaxy that is spiral shaped, while another might be elliptical. The machine-learning program learns to sort similar images into those labels through a series of steps. These steps are a basic emulation of how human brains recognise patterns. Getting computers to do this gives astronomers useful information out of raw data.

"Machine learning is getting picked up because we now have the amount of data needed. When you're doing supervised learning, you need a lot of data to train on. If you look at galaxy classification, we have done so many already that we have a great training sample for machine learning, " Rebecca says.

She thinks automation and machine learning will give astronomers more time to focus on their science rather than analysing their data. She also says designing these programs will be the job given to next-generation astronomers in their early career.

"Astronomers are still getting used to machine learning. They're still experimenting:what algorithm works best, what kind of machine learning techniques are most useful to apply, " ella dice.

"Right now, it's a great entry point for Ph.D. students to develop code. The industry needs it, and it saves them having to sort the data themselves."

They will reach deeper into the universe and find old galaxies from the beginning of time. They will map hidden worlds, distant suns and the strangest, most destructive forces in existence. Perhaps they will even find new life.

These computer programs will work like a funnel. They will sort through massive amounts of raw data to find astronomers valuable information. A long way from our analogue past, computers are helping us uncover the secrets of our universe—perhaps even, Un día, understanding of our place within it.

Este artículo apareció por primera vez en Particle, un sitio web de noticias científicas con sede en Scitech, Perth, Australia. Lea el artículo original.