La IA descubre señales ocultas en el universo

Una nueva herramienta basada en inteligencia artificial está transformando la forma en que los científicos procesan las ingentes cantidades de datos del observatorio de ondas gravitacionales LIGO. Sin necesidad de intervención humana, identifica fuentes de ruido ambiental -como terremotos y olas oceánicas- que interfieren en la detección de señales, lo que mejora notablemente la claridad de los datos.

Investigadores de la Universidad de California en Riverside han desarrollado un sistema pionero de aprendizaje automático que detecta patrones y filtra el ruido de forma autónoma en los enormes conjuntos de datos de LIGO. Este avance no sólo mejora la detección de ondas gravitacionales, sino que también tiene aplicaciones potenciales en la física de partículas y los sistemas industriales.

En un reciente taller sobre macrodatos del IEEE, el equipo de la UCR presentó su método de aprendizaje no supervisado, diseñado para analizar los datos del canal auxiliar de LIGO. Su trabajo pretende mejorar la precisión de la señal y ampliar el papel del aprendizaje automático en los descubrimientos científicos.

LIGO, el Observatorio de Ondas Gravitacionales por Interferómetro Láser, capta las ondas gravitacionales, es decir, las sutiles distorsiones del espacio-tiempo causadas por fenómenos celestes masivos. Compuesto por dos interferómetros de 4 km de longitud situados en Hanford (Washington) y Livingston (Luisiana), LIGO utiliza rayos láser para detectar estas ondas, lo que proporciona información crucial sobre los agujeros negros, la cosmología y los fenómenos astrofísicos extremos.

Sin embargo, la extrema sensibilidad de LIGO lo hace vulnerable a las perturbaciones externas. Miles de sensores repartidos por las instalaciones controlan las condiciones ambientales que podrían afectar a la precisión de la detección, generando enormes cantidades de datos complejos que requieren un análisis sofisticado.

Un gran avance del aprendizaje automático en la detección de ruido

«Nuestra herramienta de aprendizaje automático detecta patrones sin intervención humana», explica Jonathan Richardson, director del grupo LIGO de la UCR. «Identifica con precisión las condiciones ambientales, ayudándonos a localizar las fuentes de ruido y mejorar el rendimiento del detector».

Los sensores de LIGO rastrean perturbaciones como temblores de tierra y olas oceánicas lejanas, que pueden introducir fallos que afectan a la calidad de los datos. Equipado con más de 100.000 canales auxiliares, LIGO supervisa continuamente los factores ambientales mediante sismómetros y acelerómetros.

La herramienta de IA clasifica varios tipos de ruido, incluidos los terremotos y la actividad humana. Vagelis Papalexakis, profesor de informática de la UCR, presentó la investigación en un taller del IEEE, destacando cómo la IA mejora los estudios de ondas gravitacionales.

«Nuestro modelo encuentra de forma autónoma patrones que coinciden con los identificados por operadores humanos», afirmó. Al conseguir la publicación de un importante conjunto de datos, el equipo hizo posible nuevas investigaciones. «Encontramos un fuerte vínculo entre el ruido externo y los fallos en los datos, lo que podría ayudar a reducir las interferencias», añadió Papalexakis.

Una nueva era para el aprendizaje automático en la investigación científica

El equipo de la UCR pasó un año analizando los canales de datos de LIGO y dirigió los esfuerzos para poner su conjunto de datos a disposición de la comunidad científica. Con más de 3.200 miembros en la colaboración LIGO, esto marca un paso significativo hacia la integración del aprendizaje automático en la investigación de ondas gravitacionales.

«Nuestra herramienta integra datos de varios sensores y los destila en un estado ambiental unificado», explica Richardson. «Al vincular los eventos de ruido con sus fuentes, podemos tomar medidas procesables para mejorar el rendimiento de LIGO».

«Si identificamos patrones, podemos modificar el detector -como sustituir componentes- para reducir el ruido», añadió Richardson. «Nuestro objetivo es utilizar esta herramienta para descubrir nuevos factores ambientales que afecten a LIGO e impulsar mejoras experimentales».

Pooyan Goodarzi, investigador de doctorado y coautor, destacó el impacto de compartir públicamente su conjunto de datos. «Los datos de este tipo suelen estar restringidos», afirma. «Al hacerlos accesibles, esperamos inspirar más investigación interdisciplinaria en ciencia de datos y aprendizaje automático».

Este avance impulsado por la IA no solo mejora la sensibilidad de LIGO, sino que también allana el camino para aplicaciones más amplias en astrofísica y más allá.

Read More: Black Hole at the Heart of Our Galaxy Observed in Dynamic ‘Bubbling’ Activity