IA para detectar en un segundo nuevas fuentes de ondas gravitacionales

Las ondas gravitacionales se han convertido desde hace unos años en una de las herramientas más ilusionantes para quienes buscan comprender los misterios del universo. Su gran problema es que, para poder captar desde la Tierra estas perturbaciones del espacio-tiempo es necesario que se haya producido un fenómeno masivo, como la colisión de dos agujeros negros o la fusión de dos estrellas de neutrones.

La primera vez que se detectaron, hace ahora 10 años, los investigadores del experimento LIGO lo hicieron gracias a la fusión de dos agujeros negros que tuvo lugar hace 1 300 millones de años. Sin embargo, cada vez la búsqueda se ha ido sofisticando y permitiendo encontrar estas ondas en fuentes de emisión cada vez más variadas.

Esta semana, un nuevo estudiopublicado en la revista Nature anuncia un innovador método basado en el aprendizaje automático (en inglés, machine learning) que podría revolucionar la forma en que los astrónomos localizan lasfusiones de estrellas de neutrones binarias, otro potente foco de emisión de ondas gravitacionales.

Este enfoque, desarrollado por investigadores del Max Planck en Alemania, emplea un algoritmo que analiza las emisiones de ondas gravitacionales procedentes de estas fusiones y facilita la detección y localización del evento en tan solo un segundo desde que la señal alcanza la Tierra. De acuerdo con el primer autor Maximillian Dax, la detección automática de estas ondas gravitacionales podría aportar nuevos conocimientos sobre estos fenómenos cósmicos que hasta ahora no hemos podido captar.

La clave: el seguimiento rápido

Las señales de ondas gravitacionales generadas por las fusiones de estrellas de neutrones binarias pueden ser captadas por los detectores terrestres, sin embargo, las nuevas observaciones de seguimiento rápido que permiten estas tecnologías sirven para comprender la composición de las estrellas y los fenómenos que ocurren tras su colisión.

Según explican en el artículo estos investigadores alemanes, los métodos tradicionales no siempre logran analizar los datos con la suficiente rapidez para poder dirigir los telescopios hacia la fuente del evento en esos momentos clave posteriores a la fusión. Y aunque las técnicas basadas en el machine learning han acelerado este proceso, la complejidad y duración de las señales gravitacionales han limitado hasta ahora nuestra capacidad de predecir con precisión dónde se estaban dando esas fusiones.

Este nuevo método, bautizado como DINGO-BNS, es capaz de caracterizar y localizar las fusiones de estrellas de neutrones binarias con alta precisión en tan solo un segundo tras la detección de las ondas gravitacionales. "Además de ser considerablemente más rápido que versiones anteriores, este algoritmo mejora la exactitud de los resultados en un 30%", explican.

La información proporcionada por DINGO-BNS permite, por tanto, identificar qué eventos merecen el uso de los valiosos tiempos de observación con telescopios, según destacan los autores del estudio. Además, añaden que, en el futuro, este método podría adaptarse para estudiar otros tipos de fuentes de ondas gravitacionales.

Referencia:

Maximilian Dax et al.: Real-time inference for binary neutron star mergers using machine learning. Nature (2025)

Qué es el Big One, el temido megaterremoto japonés que puede suceder en cualquier momento