Los hallazgos del modelo de IA ayudan a los astrónomos a proponer una nueva teoría para observar mundos distantes - TechCrunch

Los modelos de aprendizaje automático complementan cada vez más los procesos humanos, ya sea realizando tareas repetitivas más rápido o proporcionando conocimientos sistemáticos que ayudan a poner el conocimiento humano en perspectiva. Los astrónomos de UC Berkeley se sorprendieron al descubrir que ambos ocurrieron después de modelar eventos de microlente gravitacional, lo que condujo a una nueva teoría unificada para el fenómeno.

La lente gravitacional ocurre cuando la luz de estrellas distantes y otros objetos estelares se dobla directamente entre ella y el observador alrededor de una estrella más cercana, brindando momentáneamente una vista más brillante, pero distorsionada, de la más distante. Dependiendo de cómo se desvíe la luz (y de lo que sepamos sobre el objeto distante), también podemos aprender mucho sobre la estrella, el planeta o el sistema alrededor del cual se desvía la luz.

Por ejemplo, un aumento temporal en el brillo indica que un cuerpo planetario cruza la línea de visión, y este tipo de anomalía en la pantalla, denominada "degeneración" por alguna razón, se ha utilizado para detectar miles de exoplanetas.

Debido a las limitaciones de su observación, es difícil cuantificar estos eventos y objetos más allá de un puñado de términos básicos como su masa. Y las degeneraciones generalmente caen bajo dos posibilidades: que la luz distante pasó más cerca de uno de los dos estrella o el planeta en un sistema dado. Las ambigüedades a menudo se concilian con otros datos observados, p. B. que sabemos de otra manera que el planeta es demasiado pequeño para causar la magnitud de la distorsión observada.

Keming Zhang, estudiante de posgrado en UC Berkeley, estaba buscando una forma de analizar y categorizar rápidamente tales eventos de lentes, ya que aparecen en grandes cantidades a medida que examinamos el cielo con mayor regularidad y detalle. Él y sus colegas entrenaron un modelo de aprendizaje automático con datos de eventos de microlentes gravitacionales conocidos con causas y configuraciones conocidas, y luego lo liberaron en una variedad de otros menos cuantificados.

Los resultados fueron inesperados: además de calcular hábilmente cuándo un evento observado se enmarcaba en uno de los dos tipos principales de degeneración, encontró muchos que no lo estaban.

“Las dos teorías de degeneración anteriores se ocupan de casos en los que la estrella de fondo parece estar pasando cerca de la estrella o planeta de primer plano. El algoritmo de IA nos mostró cientos de ejemplos no solo de estos dos casos, sino también de situaciones en las que la estrella no pasa ni por la estrella ni por el planeta y no puede explicarse con ninguna de las teorías anteriores”, dijo Zhang en un comunicado de prensa de Berkeley. liberar.

Bueno, esto muy bien podría deberse a un modelo mal ajustado, o a uno que simplemente no tenía suficiente confianza en sus propios cálculos. Pero Zhang parecía convencido de que la IA había registrado algo que los observadores humanos habían pasado por alto sistemáticamente.

Como resultado, y después de cierta persuasión, ya que un estudiante de posgrado que desafíe la doctrina establecida será tolerado pero quizás no alentado, finalmente propusieron una nueva teoría "unificada" de cómo explicar la degeneración de estas observaciones, incluidas las dos conocidas. las teorías eran simplemente los casos más comunes.

Diagrama que muestra una simulación de una solución de degeneración de 3 lentes. Autor de la foto: Zhang et al.

Examinaron dos docenas de artículos recientes que observaban eventos de microlente y descubrieron que los astrónomos habían categorizado incorrectamente lo que estaban viendo como un tipo u otro, a pesar de que la nueva teoría se ajustaba mejor a los datos que cualquiera de los dos.

"La gente vio estos eventos de microlentes que en realidad mostraban esta nueva degeneración, pero simplemente no lo notaron. Realmente fue solo aprendizaje automático que observó miles de eventos que se volvieron imposibles de perder”, dijo Scott Gaudi, profesor de astronomía de la Universidad Estatal de Ohio y coautor del artículo.

Para ser claros, la IA no formuló ni propuso la nueva teoría, dependía completamente del intelecto humano. Pero sin los cálculos sistemáticos y fiables de la IA, la teoría simplificada y menos correcta probablemente habría durado muchos años. Así como los humanos han aprendido a confiar en las calculadoras y las computadoras posteriores, estamos aprendiendo a confiar en algunos modelos de IA para proporcionar una verdad interesante libre de sesgos y suposiciones, es decir, si no solo ponemos nuestros propios sesgos y suposiciones en ellos, hemos codificado .

La nueva teoría y la descripción del proceso que condujo a ella se detallan en un artículo publicado en la revista Nature Astronomy. Probablemente no sea nada nuevo para los astrónomos entre nuestros lectores (fue una preimpresión el año pasado), pero los fanáticos del aprendizaje automático y la ciencia en general podrían apreciar este interesante desarrollo.