Publicado el mayor catálogo de clasificación morfológica de galaxias hasta la fecha
En la investigación se ha utilizado inteligencia artificial —en concreto, un algoritmo de aprendizaje automático con hasta un 97 % de precisión— para clasificar las galaxias, incluso las débiles y lejanas.
Un estudio liderado por la Universidad de Pennsylvania (UPENN) y el Instituto de Física de Cantabria (UC-CSIC) ha producido el mayor catálogo de clasificación morfológica de galaxias hasta la fecha, que incluye 27 millones de galaxias. La investigadora del Institut d’Estudis Espacials de Catalunya (IEEC) en el Instituto de Ciencias del Espacio (ICE, CSIC) Helena Domínguez Sánchez es la segunda autora de este catálogo, publicado recientemente en la revista Monthly Notices of the Royal Astronomical Society.
Los investigadores han utilizado inteligencia artificial, en concreto, un algoritmo de aprendizaje automático con una precisión de hasta el 97 %, para aprender a clasificar las galaxias, incluso aquellas débiles y lejanas, en dos tipos de morfologías. Para llevar a cabo la clasificación, el equipo utilizó datos de Dark Energy Survey (DES) —un catálogo de cientos de millones de galaxias distantes creado durante seis años—.
Imágenes originales (izquierda) de una galaxia espiral (arriba) y una galaxia elíptica (abajo) y sus versiones degradadas, utilizadas para entrenar la red neuronal convolucional. En el caso de las galaxias más lejanas (derecha), se observa que es difícil distinguir las dos categorías a simple vista. Créditos: J. Vega-Ferrero et al.
La morfología de las galaxias está muy relacionada con el tipo de estrellas que las componen y sus mecanismos de formación. Principalmente, este catálogo clasifica las galaxias en dos tipos de morfologías: galaxias espirales, que tienen un disco giratorio donde nacen nuevas estrellas; y galaxias elípticas, que son las galaxias más masivas del universo, compuestas de estrellas antiguas que realizan movimientos aleatorios.
Aunque resulta fácil distinguir estos dos tipos de galaxias a simple vista, la clasificación morfológica de galaxias debe hacer frente a dos problemas principales: en primer lugar, el elevado número de galaxias por clasificar, que hace necesario realizar clasificaciones automatizadas; y, en segundo lugar, el hecho de que las galaxias situadas a mayor distancia se observen más débiles y más pequeñas, lo que suele hacer que las imágenes tengan un alto nivel de ruido.
Los investigadores degradaron las imágenes de alta calidad de las galaxias locales para darles la apariencia que tendrían si estuvieran a mayores distancias y utilizaron las etiquetas correctas para entrenar una red neuronal convolucional (CNN, por sus siglas en inglés). Este tipo de red neuronal es un algoritmo de aprendizaje profundo capaz de tomar una imagen de entrada y asignar una etiqueta a sus diferentes características para distinguir las imágenes entre sí. El estudio señala que el algoritmo utilizado acierta la morfología de las galaxias hasta en un 97% de los casos, independientemente del nivel de ruido y la resolución espacial de las imágenes.
Este trabajo demuestra que las máquinas son capaces de identificar características que el ojo humano no puede captar y de distinguir la señal útil del ruido cuando se entrenan con las etiquetas correctas, incluso en los casos más difíciles.
El uso de las CNN ha demostrado ser extremadamente exitoso para analizar y clasificar imágenes de galaxias, y ha permitido a los investigadores realizar una clasificación de 27 millones de ellas y producir el mayor catálogo morfológico de galaxias publicado hasta la fecha.
Algunas de las galaxias incluidas en el catálogo se encuentran a una distancia de hasta 8 gigaaños (Ga), es decir, 8.000 millones de años. El catálogo permite obtener una imagen aproximada de cómo eran las galaxias cuando el universo tenía la mitad de su edad actual, estudiar cómo han cambiado y observar cómo esos cambios estructurales tienen que ver con sus caminos evolutivos durante los últimos 8 Ga.
El reconocimiento automático de patrones en datos con ruido y difíciles de interpretar puede tener aplicaciones directas en otros campos, como la seguridad (por ejemplo, reconocimiento facial), la industria del reconocimiento de imágenes, los diagnósticos clínicos o el cambio climático.
Enlaces
Más información
Esta investigación se presenta en un artículo titulado «Pushing automated morphological classifications to their limits with the Dark Energy Survey», de J. Vega-Ferrero, H. Domínguez Sánchez, et al., que apareció en la revista Monthly Notices of the Royal Astronomical Society el 2 de marzo de 2021.
El Instituto de Estudios Espaciales de Catalunya (IEEC) promueve y coordina la investigación y el desarrollo tecnológico espacial en Cataluña en beneficio de la sociedad. El IEEC fomenta las colaboraciones tanto a nivel local como mundial, y es un eficiente agente de transferencia de conocimiento, innovación y tecnología. Como resultado de 25 años de investigación de alta calidad, llevada a cabo en colaboración con las principales organizaciones internacionales, el IEEC se encuentra entre los mejores centros de investigación internacionales, centrados en áreas como: astrofísica, cosmología, ciencias planetarias y observación de la Tierra. La división de ingeniería del IEEC desarrolla instrumentación para proyectos terrestres y espaciales, y tiene una amplia experiencia trabajando con organizaciones privadas y públicas del sector aeroespacial y otros sectores de innovación.
El IEEC es una fundación privada sin ánimo de lucro, regida por un Patronato compuesto por la Generalitat de Catalunya y otras cuatro instituciones con una unidad científica cada una, que en conjunto constituyen el núcleo de la actividad de I+D del IEEC: la Universitat de Barcelona (UB) con la unidad científica ICCUB – Instituto de Ciencias del Cosmos; la Universitat Autònoma de Barcelona (UAB) con la unidad científica CERES – Centro de Estudios e Investigación Espaciales; la Universitat Politècnica de Catalunya (UPC) con la unidad científica CTE – Grupo de Investigación en Ciencias y Tecnologías del Espacio; y el Consejo Superior de Investigaciones Científicas (CSIC) con la unidad científica ICE – Instituto de Ciencias del Espacio. El IEEC es un centro CERCA (Centres de Recerca de Catalunya).
Imagen
PR_Image1.jpg
Caption: Foto genérica de una galaxia enana.
Credit: NASA's Goddard Space Flight Center/Jenny Hottle
Contactos
Oficina de Comunicación del IEEC
Barcelona, España
Ana Montaner y Rosa Rodríguez
Correo electrónico: comunicacio@ieec.cat
Autor Principal en el IEEC
Barcelona, España
Helena Domínguez Sánchez
Institut d’Estudis Espacials de Catalunya (IEEC)
Instituto de Ciencias del Espacio (ICE, CSIC)
Correo electrónico: hdominguez@ieec.cat; dominguez@ice.csic.es