Investigadores de la Universidad Metropolitana de Osaka, en Japón, han desarrollado un modelo de aprendizaje profundo que permite explorar los confines de nuestra galaxia, la Vía Láctea, y desentrañar los secretos de la formación estelar. Este avance se ha logrado mediante el uso de inteligencia artificial para analizar grandes volúmenes de datos provenientes de telescopios espaciales, revelando estructuras burbuja que no estaban catalogadas en las bases de datos astronómicas existentes.
Los hallazgos han sido publicados en la revista Publications of the Astronomical Society of Japan. La Vía Láctea, al igual que otras galaxias en el universo, presenta estructuras burbuja formadas principalmente durante el nacimiento y la actividad de estrellas de alta masa. Estas estructuras, conocidas como burbujas de Spitzer, son clave para comprender los procesos de formación estelar y la evolución galáctica.
Avances en el uso de inteligencia artificial
El equipo, que incluye al estudiante de posgrado Shimpei Nishimoto y al profesor Toshikazu Onishi, ha colaborado con científicos de diversas instituciones en Japón para desarrollar este modelo de aprendizaje profundo. Utilizando datos obtenidos del Telescopio Espacial Spitzer y del Telescopio Espacial James Webb, el modelo aplica reconocimiento de imágenes mediante inteligencia artificial para detectar de manera eficiente y precisa las burbujas de Spitzer. Además, se han identificado estructuras en forma de concha que se cree que se formaron a raíz de explosiones de supernovas.
Según Nishimoto, «nuestros resultados demuestran que es posible llevar a cabo investigaciones detalladas no solo sobre la formación estelar, sino también sobre los efectos de eventos explosivos dentro de las galaxias». Por su parte, el profesor Onishi expresó su esperanza en que los avances en tecnología de inteligencia artificial aceleren la comprensión de los mecanismos que rigen la evolución de las galaxias y la formación de estrellas.
Más información: Shimpei Nishimoto et al, Infrared Bubble Recognition in the Milky Way and Beyond Using Deep Learning, Publications of the Astronomical Society of Japan (2025). DOI: 10.1093/pasj/psaf008
Proporcionado por la Universidad Metropolitana de Osaka
