Con el Cherenkov Telescope Array (CTA) que se encuentra actualmente en construcción, Los investigadores esperan observar rayos gamma altamente energéticos que podrían conducir al descubrimiento de nuevos objetos dentro y fuera de nuestra galaxia e incluso desentrañar el misterio de la materia oscura. Sin embargo, identificar estos rayos gamma no es fácil. Los investigadores del consorcio CTA ahora están tratando de perfeccionarlo con redes neuronales entrenadas en la supercomputadora Piz Daint.

Una vez finalizado en 2025, El conjunto de telescopios Cherenkov (CTA) será el conjunto de telescopios de observación de rayos gamma más grande jamás construido. Se están instalando más de 100 telescopios con diámetros entre 4 y 23 metros en los hemisferios norte y sur, en el Observatorio Roque de los Muchachos en la isla canaria La Palma y en el desierto de Atacama en Chile. Los telescopios están diseñados para registrar de forma exhaustiva los destellos de luz inducidos por los rayos gamma que viajan a través del cosmos y que inciden en la atmósfera de la Tierra. Los rayos gamma se originan en eventos cósmicos violentos y son un billón de veces más energéticos que la luz visible. Son generados por los llamados "aceleradores de partículas cósmicas", como explosiones de supernovas o agujeros negros supermasivos que devoran las estrellas circundantes. gas y polvo.

La extracción de rayos gamma de la lluvia de partículas representa un desafío

Cuando los rayos gamma golpean la atmósfera de la Tierra, interactúan con los átomos y moléculas del aire para crear una lluvia de partículas, que en su mayoría produce destellos de luz azul llamados luz Cherenkov. Esta luz es captada por el sistema de espejos del telescopio especialmente diseñado y enfocada a cámaras extremadamente rápidas. Con estos datos, los investigadores pueden sacar conclusiones sobre la fuente de los rayos gamma que podrían hacer posible descubrir cientos de nuevos objetos en nuestra propia galaxia, la vía Láctea, e incluso en galaxias formadoras de estrellas y agujeros negros supermasivos fuera de ella. Los rayos gamma detectados por CTA podrían, entre otras cosas, también proporcionan una firma directa de materia oscura, cuya existencia está respaldada por observaciones indirectas pero nunca se ha observado directamente.

Las fotos de estos eventos cósmicos recopiladas por la CTA muestran elipses alargadas, según Etienne Lyard y sus colegas del Département d'Astronomie, Universidad de Ginebra, en su último estudio publicado en el Journal of Physics:Serie de conferencias . Hay dos tipos de partículas que causan estos eventos:hadrones, cuáles son los más numerosos; y las partículas de interés, los fotones de alta energía llamados rayos gamma. "Los investigadores están interesados ​​principalmente en los rayos gamma, ya que atraviesan el espacio interestelar en línea recta, mientras que los hadrones, siendo partículas cargadas, doblarse debido a campos magnéticos, "Dice Lyard.

Existen procedimientos bien establecidos para diferenciar entre rayos gamma y hadrones; pero para tener la mayor certeza posible de que solo se detectan y evalúan los rayos gamma, una gran cantidad de eventos ambiguos se filtran, lo que reduce la sensibilidad general de los instrumentos. Sin embargo, A veces, los eventos de hadrones todavía se identifican falsamente como rayos gamma, que luego contaminan el experimento como ruido de fondo.

Las redes neuronales mejoran la sensibilidad del conjunto de telescopios

Para mejorar el procedimiento de discriminación entre hadrones y rayos gamma, y así la sensibilidad de los observatorios, Lyard y su equipo ahora han intentado distinguirlos entre sí utilizando redes neuronales convolucionales profundas (CNN) entrenadas en la supercomputadora CSCS Piz Daint. Evaluaron el rendimiento de las CNN en comparación con los métodos convencionales para detectar rayos gamma (árboles de decisión potenciados) mediante el uso de eventos generados con simulaciones de Monte Carlo. cuales, según los autores, se acercó más a los hechos reales. "Nuestro trabajo es un intento de utilizar redes neuronales desde la visión por computadora, una especie de visión artificial, que procesa y analiza las imágenes capturadas por las cámaras de diversas formas y las adapta para trabajar con nuestros datos, "dice Lyard. Y resulta que, bajo condiciones específicas, las CNN superan a las técnicas clásicas.

Aunque todavía hay mucho margen de mejora en la arquitectura de CNN, los investigadores están convencidos de que estos y otros enfoques de aprendizaje automático podrían ayudar a obtener el mejor resultado científico del observatorio CTA. "Confiamos en que estos enfoques eventualmente se convertirán en la norma, porque ya supera a las técnicas de vanguardia, mientras que no se incluyó en el análisis ninguna información sobre los procesos físicos en el trabajo, "Dice Lyard." A medida que crece nuestro conocimiento de las CNN, Se utilizarán criterios más apropiados, como el desarrollo temporal de las elipses alargadas, para realizar el análisis. y el rendimiento general sin duda mejorará, también."