Las ondas gravitacionales son “arrugas” en el espacio-tiempo que se generan en fenómenos en los que intervienen campos gravitatorios muy fuertes. Algunas de las detectables mediante la tecnología actual son las provocadas por la colisión y fusión entre dos estrellas de neutrones. Pero distinguir sus señales de entre el resto, y hacerlo rápido, es todo un reto, incluso para los ordenadores más potentes. Una investigación reciente indica que la inteligencia artificial puede ser la solución idónea para este reto.
Una estrella de neutrones es el cadáver brillante que queda al morir una estrella de gran masa en una explosión de tipo supernova cuando ha agotado su combustible nuclear. Este cadáver es el núcleo de la antigua estrella, con su materia tan colosalmente comprimida que en los átomos los electrones se “empotran” contra los protones dando lugar a neutrones. De ahí que a estos astros se les llame “estrellas de neutrones”. Si la masa del núcleo que perdura tras la explosión es mayor que la que da lugar a una estrella de neutrones, el núcleo se comprime aún más y se transforma en un agujero negro, con una gravedad tan intensa que todo lo que pasa lo bastante cerca de él cae irremediablemente a su interior, incluso la luz.
Detectar en tiempo real una fusión entre estrellas de neutrones es vital para poder comenzar a observar de inmediato ese punto del cosmos con tantos instrumentos científicos como sea posible. Las fusiones de estrellas de neutrones emiten luz visible (en la explosión de tipo kilonova que el suceso genera) y otras radiaciones electromagnéticas, además de ondas gravitacionales.
Un equipo internacional, encabezado por Maximilian Dax, del Instituto Max Planck de Sistemas Inteligentes en Tubinga, Alemania, ha desarrollado un algoritmo de aprendizaje automático (una modalidad de inteligencia artificial), llamado DINGO-BNS (Deep INference for Gravitational-wave Observations from Binary Neutron Stars) que ahorra un tiempo valioso en la identificación de las ondas gravitacionales emitidas por las fusiones entre estrellas de neutrones.
Los creadores del algoritmo entrenaron con él a una red neural (un sistema de inteligencia artificial inspirado en los cerebros vivos) para caracterizar plenamente casos de fusión de estrellas de neutrones en aproximadamente un segundo, un tiempo espectacularmente corto, en comparación con la hora que tardan los métodos tradicionales más rápidos.
