Desde hace más de treinta años, el telescopio espacial Hubble captura imágenes del Universo, acumulando una cantidad considerable de datos. Ante esta abundancia, los científicos se enfrentaron a una dura realidad: la imposibilidad humana de analizar la totalidad de estas fotografías, cada una de las cuales podría contener un descubrimiento.
Ante esta montaña de información, investigadores de la Agencia Espacial Europea desarrollaron un modelo de inteligencia artificial llamado AnomalyMatch. Diseñado para examinar los archivos de Hubble, esta herramienta escanea automáticamente las imágenes en busca de elementos inusuales, imitando la forma en que nuestro cerebro procesa la información visual.
Una vista capturada por el telescopio espacial Hubble que muestra galaxias lejanas.
Crédito: ESA/Hubble & NASA, D. O'Ryan, P. Gómez (Agencia Espacial Europea), M. Zamani (ESA/Hubble) El análisis de casi 100 millones de imágenes reveló más de 1300 anomalías, de las cuales cientos no habían sido documentadas anteriormente. Estos objetos presentan apariencias singulares que escapan de las categorías habituales. Realizada en solo tres días de procesamiento, esta avalancha de descubrimientos demuestra la eficacia del método frente a un volumen inmenso de datos.
Entre los hallazgos, se destacan galaxias en fusión con cúmulos masivos de formación estelar, estructuras que se asemejan a medusas con 'tentáculos' gaseosos, o discos de formación planetaria vistos de canto en nuestra propia galaxia.
El funcionamiento de AnomalyMatch se basa en el aprendizaje de patrones visuales normales, permitiéndole identificar las desviaciones. Este enfoque sistemático es una primicia para los archivos de Hubble, que abarcan 35 años de observaciones. Abre el camino a exploraciones más profundas sin requerir un tiempo humano prohibitivo.
Los responsables del proyecto indican que esta iniciativa muestra cómo la inteligencia artificial puede aumentar considerablemente el rendimiento científico. También muestra el potencial de los archivos astronómicos para descubrimientos futuros, especialmente en el marco de grandes campañas de observación.
Este avance está documentado en un artículo publicado en
Astronomy and Astrophysics en diciembre de 2025.
El funcionamiento del reconocimiento de patrones por IA
La inteligencia artificial utilizada aquí se basa en redes neuronales diseñadas para analizar imágenes. Estos sistemas se entrenan con vastos conjuntos de datos ya analizados donde aprenden a distinguir las características normales de los objetos astronómicos. Una vez entrenados, pueden escanear rápidamente nuevas imágenes para detectar lo que sale de lo ordinario.
Este método imita algunos procesos del cerebro humano, como la detección de contornos o texturas, pero a una escala y velocidad muy superiores. No requiere programación explícita para cada tipo de anomalía, lo que la hace adaptable a diversos campos.
Las aplicaciones van más allá de la astronomía, con usos posibles en medicina para el análisis de imágenes o en seguridad para la vigilancia. En el caso de Hubble, permite aprovechar datos antiguos para descubrimientos nuevos, sin tener que rehacer observaciones.
El valor de los datos archivados en ciencia
Los archivos científicos, como los de Hubble, constituyen un recurso valioso que gana importancia con el tiempo. Conservan observaciones realizadas en el pasado, permitiendo comparaciones y reanálisis con herramientas más potentes. Esto evita perder información y maximiza las inversiones iniciales.
En el ámbito espacial, los datos archivados cubren largos períodos, revelando cambios lentos o eventos raros. Por ejemplo, seguir la evolución de una galaxia a lo largo de décadas se hace posible gracias a estas colecciones.
El acceso a estos archivos se facilita mediante plataformas digitales, fomentando la colaboración internacional y la ciencia abierta. Investigadores de todo el mundo pueden consultarlos para probar nuevas ideas o validar teorías.
Fuente: Astronomy and Astrophysics